Matlab CNN功能的后期融合

我正在研究早期和晚期CNN功能的融合。我从CNN的多个层面上拍摄了一些特写。对于早期融合，我捕获了三个不同层的特征，然后水平连接它们

F=[F1'F2'F3']对于后期融合，我正在读这篇文章。他们提到要做两次监督学习。但是我不懂路

例如，这是从上述纸张上拍摄的图像。
第一幅图像有三种不同的特征，对于第一次监督学习，标签可以说是四分之一的图像集。例如，输出为[13]。假设第三个分类器的结果是错误的。
那么我的问题是，多模态特征拼接就像[13]，标签是1，比如说1类图像


我可能错了，但这是我的理解（我不确定我的答案）
假设你有2个类，3个不同的模型
因此，每个模型将输出一个向量（2 x 1）
比如说

模型1:[[0.3]，[0.7]]

模型2:[[0.2]，[0.8]]

型号2:[[0.6]，[0.4]]

现在，您将按如下方式连接（多模态特征组合）结果：

[0.3,0.2,0.6,0.7,0.8,0.4]

上述特征向量将作为最终受监督学习者的输入，如图中所述，概念分数将作为受监督学习者的输入

他们在论文中提到这一点如下：

我们将可视向量vi与文本向量ti连接起来。

特征归一化后，我们得到早期融合向量ei。

然后ei作为SVM的输入。

现在，让我们谈谈这个模型的实现

我要做的是第一列单独的1型列车，第二列单独的2型列车，第三列单独的3型列车
现在，我将冻结模型1、模型2、模型3的权重，提取分数，并将其组合到如上所述的特征向量中，然后将其传递给最终的受监督学习者并对其进行训练
将三个单峰监督学习器视为特征提取器，将它们的结果连接起来，就像早期融合一样，并将其传递给SVM
我会把课堂分数作为特征向量，而不是你假设的实际预测
为什么课堂成绩与实际预测不符？因为班级分数代表了单峰学生对班级预测的信心
我已经更新了我的问题，请在投票结束前告诉我需要解释的部分谢谢你的贡献！你可能想读书。这与你无关，但我认为这是相关的。简言之：如果你使用更传统的书面交流，你会从社区得到更好的反馈。就目前而言，这篇文章对大多数用户来说是非常难读的。谢谢你的建议。。。但是我不同意你。。。如果有关于以特定格式发布答案的指南，那么我不介意遵循它。。。我认为我的答案是可读的和有用的。。。我的回答没有偏离，而且是针对问题的。我的帖子唯一的问题是没有代码，我还是格式化了几行代码，这是因为stackoverflow给了我一个错误，说你的帖子中有代码，所以格式化它。。。这就是为什么我有几行格式化为代码。。。我很抱歉，如果这让youHi Jai感到不舒服，很抱歉回复晚了。我正在使用MATLAB中的LIBSVM库。我怎样才能在这门课上取得分数？