я пытаюсь реализовать модель, которая состоит из двух слоев кандидатов объектов сегмента в keras Поэтому в основном эта модель имеет следующую архитектуруРеализация совместного обучения в keras
Image (канал, ширина, высота) -> множественные свертки и объединение слои-> выход («п» особенность карта, ширина высоты)
Теперь этот один выход используется два слоями которые являются следующими 1) свертки (1 * 1) -> плотный слой с m единицами (выход = n * 1 * 1) -> пиксель классификатор с помощью полностью соединенные слоями * Ш dimesion -> upsmapling с (H, N) -> выходного
2) сверточный -> maxpooling-> плотный слой -> оценка
функция затрат используют выходы обоего этих слои, является суммой бинарной логистической регрессии каждого выхода
Теперь у меня есть два вопроса 1) как реализовать плотное соединение через извилистый выход в слое 1, для получения * ш пикселей классификатора, как уже упоминалось выше 2) Как объединить два слоя для вычисления функции единой стоимости, а затем совместно с обоими слоями совместно использовать обратное распространение
Может кто-нибудь сказать мне, как создать модель выше сети architecture.i новичок глубокого изучения, так что если есть то, что я не понял я буду признателен, если кто-нибудь может объяснить мне ошибки в моем понимании Благодаря
Модель, которую я пытаюсь реализовать, похожа на ту, что указана в следующей статье, где он обучает два слоя на основе совместной бинарной логистической стоимости с использованием альтернативного обратного распространения между двумя слоями, как указано в документе - (arxiv .org/PDF/1506,06204). Есть ли какая-либо модель в keras, которая имеет реализацию, близкую к этой модели.? – 12max34