NN 模型架构每像素分类
NN Model Architecture Per-Pixel Classification
我熟悉 (C)NN 通常如何处理 class化问题（2d 图像 -> 1 class），但我不知道如何构建网络这将采用二维图像并输出 class化值的二维矩阵。
实际上，我有一组 NxN 图像（1 个通道），我想在 "per-pixel" 的基础上 class 进行验证。我希望输出是一组 NxN 的 classes，这样对于位置 (a,b) 的像素，结果将是 class 中像素 (a,b) 的化结果输入图像。
模型架构有帮助吗？
P.S。我听说过基于补丁的方法可以做到这一点，但我想在没有 "patching".
的情况下将整个 NxN 图像馈送到网络中
谢谢！
乔
总的来说，这个任务没有什么特别的。 DNN 可以同时执行多个 class 化或回归任务。由于权重是共享的，因此您可以确保在每个像素的 class 化过程中，一个像素与所有其他像素之间存在一些 link。
长话短说，解决这个问题的可能算法：
1) 确保你有一个训练集，其中作为输入你有 NxN 图像，作为输出你有目标 class 标签的 NxN 矩阵（每个像素的 class 标签）
2) 使用通常用于图像 classification 的架构构建一些 DNN。就像几个带最大池的卷积层，然后是 2-3 个完全连接的 ReLU 层。
3) 确保您的输出层大小为 NxN，并且不是 softmax 层（再次使用 ReLU）
4) 训练它！
这应该可以正常工作。我还可以向您保证，从 DNN 获得多个半独立输出的情况并不少见。例如here使用同一个网络同时定位所有面部关键点（眼睛、嘴巴、鼻子等）。
我熟悉 (C)NN 通常如何处理 class化问题（2d 图像 -> 1 class），但我不知道如何构建网络这将采用二维图像并输出 class化值的二维矩阵。
实际上，我有一组 NxN 图像（1 个通道），我想在 "per-pixel" 的基础上 class 进行验证。我希望输出是一组 NxN 的 classes，这样对于位置 (a,b) 的像素，结果将是 class 中像素 (a,b) 的化结果输入图像。
模型架构有帮助吗？
P.S。我听说过基于补丁的方法可以做到这一点，但我想在没有 "patching".
的情况下将整个 NxN 图像馈送到网络中谢谢！ 乔
总的来说，这个任务没有什么特别的。 DNN 可以同时执行多个 class 化或回归任务。由于权重是共享的，因此您可以确保在每个像素的 class 化过程中，一个像素与所有其他像素之间存在一些 link。
长话短说，解决这个问题的可能算法：
1) 确保你有一个训练集，其中作为输入你有 NxN 图像，作为输出你有目标 class 标签的 NxN 矩阵（每个像素的 class 标签）
2) 使用通常用于图像 classification 的架构构建一些 DNN。就像几个带最大池的卷积层，然后是 2-3 个完全连接的 ReLU 层。
3) 确保您的输出层大小为 NxN，并且不是 softmax 层（再次使用 ReLU）
4) 训练它！
这应该可以正常工作。我还可以向您保证，从 DNN 获得多个半独立输出的情况并不少见。例如here使用同一个网络同时定位所有面部关键点（眼睛、嘴巴、鼻子等）。