我正在尝试针对基于UNet架构的生物图像进行实例分割的论文。到目前为止，我只编译了CNN，但仅用于检测的部分。我不知道如何在第一步中预测边界框，以及如何创建具有5种不同输出的混合网络。我必须编译并训练5个模型以获得理想的输出？这是我的普遍关注。 Two-headed U-Net 2体系结构：两次扩展 路径共享一条收缩路径中的特征图（FM）
论文具体写明：
“我们将对象Ok：=（mk，ck，bk，pk，yk）表示为元组， 其中mk：Ω→{0，1}是其二进制掩码，表示为二进制 图像域的函数Ω⊂N2，ck∈R2是其边界框中心，bk =（wk，hk）∈R2是边界框 宽度和高度，pk∈R2是用户定义的对象参考 靠近ck和yk∈{1，...，C}的点是其类 标签。我们将所有对象的集合表示为O = {O1，...，OK}。 字母上方的帽子表示预测变量，带撇号的变量表示3D表示。 x =（x，y）∈Ω是2D 图像坐标和x =（x，z）∈Ω×Z是3D空间中的对应坐标。”
那么，如何在具有核图像的数据集中处理这个问题呢？我不知道我能检测到谁的核中心，以及我可以将什么存储到二进制掩码中。我有遮罩图像，但是有很多物体（核）
有人可以帮助我解决这些问题吗？
这是论文的链接：ISOODL
