Conv neural network CNN：用于像素分类的Softmax层

我想更详细地了解softmax层在CNN中如何对图像进行语义分割/像素分类。CNN输出一个类标签的图像，原始图像的每个像素获得一个标签

将测试图像通过网络后，下一层输出原始图像分辨率的N个通道。我的问题是，softmax层如何将这N个通道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，前一层的N个神经元连接到softmax层的C神经元，其中每个C神经元代表一个类别。使用softmax激活功能，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，每个像素被分类为概率最高的类别（由softmax值给出）。 这意味着softmax层由C*像素和神经元组成。我的建议正确吗？我没有找到解释，希望你能帮助我

---

谢谢你的帮助

答案是softmax layer不将这些N个通道转换为标签的最终图像

假设您有一个N通道的输出，您的问题是如何将其转换为最终输出的3通道

答案是你不知道。这些N通道中的每一个都代表一个类。方法是，您应该有一个具有相同高度和重量以及3个通道的虚拟阵列

现在你必须用一种颜色对每个类进行抽象编码，比如街道是绿色的，汽车是红色的等等

假设高度=5，宽度=5，通道7具有最大值。现在,

->如果通道7代表汽车，则需要在虚拟阵列上放置一个红色像素，其中高度=5，宽度=5

->如果通道7代表街道，则需要在虚拟阵列上放置一个绿色像素，其中高度=5，宽度=5

因此，您正在尝试查找像素属于N类中的哪一类。并且基于该类，您将在虚拟阵列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

我们正试图用像素分类法来定位大脑的肿瘤区域。这里的分类数为2，肿瘤存在和不存在。因此，softmax层输出一个2通道对象，通道1表示存在肿瘤，通道2表示不存在肿瘤

因此，每当高度=X，宽度=Y时，通道1的值较高，我们为Dummy[X][Y]图像制作一个白色像素。当通道2的值较高时，我们制作一个黑色像素

之后我们就有了这样的面具

这没什么意义。但是当我们叠加这两幅图像时，我们得到了这个

因此，基本上，您将尝试使用N通道从输出创建遮罩图像（第二个）。叠加它们将得到最终输出