CNN：用于像素分类的Softmax层

Question

我想更详细地了解softmax层如何在CNN中查看图像的语义分割/按像素分类。 CNN输出类标签的图像，其中原始图像的每个像素都有标签。

在通过网络传递测试图像之后，倒数第二层输出原始图像分辨率的N个通道。我的问题是，softmax层如何将这N个通道转换为标签的最终图像。

假设我们有C类（＃可能的标签）。我的建议是，对于每个像素，其前一层的N个神经元连接到softmax层中的C神经元，其中每个C神经元代表一个类。使用softmax激活功能，C输出（对于该像素）的总和等于1（这有利于网络的训练）。最后，每个像素被分类为具有最高概率的类（由softmax值给出）。 这意味着softmax层由C * #pixels神经元组成。我的建议是否正确？我没有找到解释，希望你能帮助我。

感谢您的帮助！

Answer 1

答案是softmax图层不将这N个频道转换为标签的最终图像

假设您有一个N通道输出，那么您的问题是如何将其转换为3通道以进行最终输出。

答案是你不要。这N个通道中的每一个代表一个类。要走的路是你应该有一个具有相同高度和重量的虚拟阵列和3个通道。

现在你必须用一种颜色抽象地编码每个类，如街道为绿色，汽车为红色等。

假设对于height = 5和width = 5，通道7具有最大值。现在，

- ＆GT;如果通道7代表汽车，则需要在虚拟阵列上放置一个红色像素，其中height = 5且width = 5.

- ＆GT;如果通道7表示街道，则需要在虚拟阵列上放置绿色像素，其中height = 5且width = 5.

所以你试图寻找一个像素所属的N类。根据类，您将在虚拟阵列上以独特的颜色重绘像素。

这个虚拟数组称为掩码。

例如，假设这是一个输入

我们正在尝试使用像素分类来定位大脑的肿瘤区域。这里的班级数是2，肿瘤存在且不存在。因此softmax层输出一个2通道对象，其中通道1表示存在肿瘤，而通道2表示不存在。

因此，无论何时对于height = X和width = Y，通道1具有更高的值，我们都会制作一个dummmy [X] [Y]图像的白色像素。当通道2具有更高的值时，我们制作黑色像素。

之后我们会得到一个这样的面具，

哪个不太有意义。但是当我们覆盖这两个图像时，我们得到了这个

所以基本上你会尝试使用N Channel从输出中创建遮罩图像（第二个）。覆盖它们将为您提供最终输出