Keras：两个同时的层，其中一层对前一层的输出进行卷积

Question

我正在尝试实现这种模型的连通性：

输入图像1->卷积层1

输入图像2->层，其中输入的每个像素仅连接一个权重，即1：1对应->卷积层2

此后，这两层将遵循标准CNN的结构，但是我很难实现两个同时的层，其中一层只是简单地获取输入并了解对每个单个像素的处理程度，而无需查看相邻像素。

第二个输入图像应遵循类似的内容：

我知道这不是标准的，但是在Keras（或Tensorflow）中有什么方法可以实现吗？

任何指导将不胜感激。

Answer 1

我认为这是您想要的：

https://keras.io/layers/local/

基本上：

  

LocallyConnected1D层的工作方式与Conv1D层相似，不同之处在于权重是不共享的，也就是说，在输入的每个不同色块上应用了一组不同的过滤器。

在这种情况下，您希望使用内核大小为（1,1）的这一层，仅将一个权重值分配给图像的一个像素。