我想更详细地了解 softmax 层如何在 CNN 中查看图像的语义分割/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一个标签。
将测试图像通过网络后，倒数第二层输出原始图像分辨率的N个 channel 。我的问题是，softmax 层如何将这 N 个 channel 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 个神经元，其中每个 C 个神经元代表一个类。使用 softmax 激活函数，C 输出的总和(对于该像素)等于 1(这有助于网络的训练)。最后，每个像素被归类为概率最高的类别(由 softmax 值给出)。
这意味着，softmax 层由 C * #pixels 神经元组成。我的建议正确吗？我没有找到对此的解释，希望您能帮助我。
感谢您的帮助!
最佳答案
答案是 softmax 层 不要 将这 N 个 channel 转换为标签的最终图像
假设您有 N channel 的输出，您的问题是如何将其转换为 3 channel 以进行最终输出。
答案是你没有。这 N 个 channel 中的每一个都代表一个类。要走的路是你应该有一个具有相同高度和重量以及 3 个 channel 的虚拟阵列。
现在你必须用一种颜色对每个类进行抽象编码，比如街道为绿色，汽车为红色等。
假设高度 = 5 和宽度 = 5， channel 7 具有最大值。现在，
-> 如果 channel 7 代表汽车，则需要在高度 = 5 和宽度 = 5 的虚拟阵列上放置一个红色像素。
-> 如果 channel 7 代表街道，则您需要在高度 = 5 和宽度 = 5 的虚拟阵列上放置一个绿色像素。
所以你试图寻找一个像素属于 N 类中的哪一个。根据类，您将在虚拟数组上以独特的颜色重新绘制像素。
这个虚拟数组称为掩码。
例如，假设这是一个输入
我们正在尝试使用逐像素分类来定位大脑的肿瘤区域。这里的类数是 2，肿瘤存在和不存在。所以 softmax 层输出一个 2 channel 对象，其中 channel 1 表示存在肿瘤，而 channel 2 表示存在肿瘤。
因此，每当高度 = X 和宽度 = Y 时， channel 1 具有更高的值，我们制作虚拟 [X][Y] 图像的白色像素。当 channel 2 具有更高的值时，我们制作一个黑色像素。
之后我们得到一个这样的面具，
这没有多大意义。但是当我们叠加两张图片时，我们得到了这个
因此，基本上您将尝试使用 N channel 从您的输出创建蒙版图像(第二个)。并覆盖它们将为您提供最终输出
关于conv-neural-network - CNN : Softmax layer for pixel-wise classification，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46244988/