Python 3.x 将图像分割模型输出从2D（类数、像素数）重塑为3D通道最后图像的正确方法是什么

我正在使用keras和python进行卫星图像分割。据我所知，为了获得图像分割的（像素级）预测，模型将维度层（-1，num_类，高度，宽度）重塑为形状（-1，num_类，高度*宽度）。然后应用softmax或sigmoid等激活函数。我的问题是，在这一步之后，如何以channel first或channel last的格式恢复图像？ 示例代码

o = (Reshape((  num_classes , outputHeight*outputWidth)))(o)
o = (Permute((2, 1)))(o)
o = (Activation('softmax'))(o)

我尝试在最后向模型添加以下层

o = (Reshape((outputHeight, outputWidth, num_classes)))(o)

这是正确的吗？这是否会以与原始图像相同的顺序重新定向图像像素？ 另一种选择是在单个图像上使用以下代码

array.reshape(height, width, num_classes)

---

我应该使用哪种方法来获得像素级分割结果？

不，如果您对图像分割感兴趣，您应该而不是展平然后重塑张量。相反，使用完全卷积模型，如。你可以在github上找到很多它的示例实现，例如

不，如果你对图像分割感兴趣，你应该而不是展平然后重塑你的张量。相反，使用完全卷积模型，如。您可以在github上找到许多it的示例实现，例如

Thank@mrks。你的回答帮了大忙，它完全改变了我对GoodThank@mrks的输出。你的回答帮了大忙，它彻底改变了我的产出