Computer vision 逐像素回归。如何从Nx1xHxW转到Nx3xHxW？

我有一个Nx1xHxW功能图。我需要添加第二个磁头，该磁头生成Nx3xHxW，表示像素回归，每个像素有一个三元组

问题是：您将如何从Nx1xHxW过渡到Nx3xHxW？就引入的参数而言，完全连接的层将过于昂贵

这就是我正在尝试的1x1x3卷积滤波器，在PyTorch中，步长1定义为nn.Conv2d（1,3，（1,1），步长=1，偏差=True），但结果似乎并不令人鼓舞。欢迎提出任何建议

---

最好

您可以使用非参数化操作在正向函数中的任意点扩展数据的尺寸，以强制输出为该形状。例如：

def forward(input):
       input = input.repeat(1,3,1,1)
       output = self.layers(input)

       return output

或：

---

从理论上讲，在给定一维输入的情况下，有一些非线性函数可以产生三维像素输出。您可以尝试使用一系列NN层来学习此非线性函数，但是，正如上面所述，这可能不会产生很好的结果，而且可能很难学好。相反，您可以简单地在某个点展开输入，这样您就可以学习具有NN层的三维到三维像素非线性函数<代码>火炬。重复和其他类似的操作是可区分的，因此不应引起学习问题。

这是否回答了您的问题？

def forward(input):
    intermediate = self.layers(input)
    intermediate.repeat(1,3,1,1)
    output = self.more_layers(intermediate)
    
    return output