访问 Tensorflow/Keras 中的输入层数据
Accessing Input Layer data in Tensorflow/Keras
我正在尝试复制一个用于深度估计的神经网络。原作者取了一个预训练好的网络，在全连接层和卷积层之间加了一个'Superpixel Pooling Layer'。在该层中，对卷积特征图进行上采样并对每个超像素的特征进行平均。
我的问题是，为了成功实现这一点，我需要计算每张图像的超像素。如何在批处理期间访问 keras/tensorflow 使用的数据以执行 SLIC 过分段？
我考虑过拆分任务并分段工作，即将图像输入卷积网络。分别处理输出，然后将它们送入全连接层。然而，这使得进一步训练网络变得不可能。
当时似乎无法实际访问符号张量内的数据。将来似乎也不太可能添加此类功能，因为在 Tensorflow 页面中它说：
A Tensor object is a symbolic handle to the result of an operation, but
does not actually hold the values of the operation's output.
Keras 允许创建个性化图层。但是，这些受到可用后端操作的限制。因此，根本无法访问批处理数据。
我正在尝试复制一个用于深度估计的神经网络。原作者取了一个预训练好的网络，在全连接层和卷积层之间加了一个'Superpixel Pooling Layer'。在该层中，对卷积特征图进行上采样并对每个超像素的特征进行平均。
我的问题是，为了成功实现这一点，我需要计算每张图像的超像素。如何在批处理期间访问 keras/tensorflow 使用的数据以执行 SLIC 过分段？
我考虑过拆分任务并分段工作，即将图像输入卷积网络。分别处理输出，然后将它们送入全连接层。然而，这使得进一步训练网络变得不可能。
当时似乎无法实际访问符号张量内的数据。将来似乎也不太可能添加此类功能，因为在 Tensorflow 页面中它说：
A Tensor object is a symbolic handle to the result of an operation, but does not actually hold the values of the operation's output.
Keras 允许创建个性化图层。但是，这些受到可用后端操作的限制。因此，根本无法访问批处理数据。