有没有一种方法可以定义依赖于内容的CNN / Keras接收字段

Question

背景：

我有一个用于回归问题的二维输入数据，它不是图像，但可以10x10矩阵表示。我知道与预测相关的特征只能出现在某些矩阵单元中，这取决于矩阵本身的值。因此，我不想使用例如5x5子集作为Conv图层的接收字段，而是要定义一个过滤器，该过滤器利用该知识并针对接收字段使用不同的形状。

标准的正方形接收场假定相关特征出现在距离所考虑像素最多X行/列的像素/单元中。因此，要过滤单元格（3,3​​）周围的特征，请选择以下子集：

在我的应用程序中，我知道（3,3）周围的相关特征出现在行[column]的行中，该行的第[row] 3列的值为1，即重要的接受域是：

resultig子集为：

即我首先寻找在（。，3）处具有1的行，然后寻找在（3 ,.）处具有1的列，并将它们组合成新的矩阵。为简单起见，假设这总是给我5x5矩阵。

选择此子集的代码很简单：

from numpy import array
Tfull = array([ [1, 0, 0, 1, 0, 1, 0, 1, 0, 1],
                [0, 1, 0, 1, 0 ,0, 1, 0, 0, 0],
                [1, 0, 0, 0, 0, 1, 0, 0, 1, 1],
                [1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
                [0, 1, 1, 1, 1, 1, 1, 0, 0, 0],
                [0, 0, 0, 0, 0, 0, 0, 1, 1 ,0],
                [0, 1, 1, 1, 0, 1, 0, 1, 0, 1],
                [1, 0, 0, 1, 0, 1, 0, 0, 0, 0],
                [0, 1, 1, 0, 1, 0, 1, 0, 0, 1],
                [0, 0, 1, 1, 0, 1, 0, 1, 1, 0]])
Trf = Tfull[[j for j in range(0,10) if Tfull[j,2]==1 or j==2]][...,[i for i in range(0,10) if Tfull[2,i]==1 or i==2]]

我需要的：

我想在Keras中定义一个层（例如，遵循此explanation），其行为类似于标准的Conv层，但是与其对每个可能的5x5子集应用相同的滤镜，不如对其应用相同的滤镜过滤到由上述规则选择的每个子集：

class MyLayer(Layer):
    def __init__(self, output_dim, **kwargs):
        ...
    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel', 
                                  shape=(input_shape[1], self.output_dim),
                                  initializer='uniform',
                                  trainable=True)
        super(MyLayer, self).build(input_shape)  # Be sure to call this at the end
    def call(self, x):
        ...
    def compute_output_shape(self, input_shape):
        ...

（从上面的链接复制的代码）

如何结合我对接收域的定义，使Conv层使用依赖于内容的接收域而不是输入数据的NxN子集？