CNN用于单镜头摄像机校准

Question

我一直在阅读一篇论文A Perceptual Measure for Deep Single Image Camera Calibration，他们采用了DenseNet，最后一层被三个独立的头部取代。

我从keras那里拿走了DenseNet：

base_model = DenseNet169(include_top = False, weights = 'imagenet')

为它的图层设置trainable为False，并按以下方式添加这些头：

x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(4096, activation = 'relu')(x)
psi = Dense(256, activation = 'softmax')(x)

不幸的是，它根本没有收敛：验证错误只是在训练时无限制地增长。我非常肯定训练数据，所以我目前的理论是头部应该稍微复杂一点。

是否有人实施该论文或了解这些头应该是什么样的？