Python 如果我将LSTM输出与CNN输出连接起来，这是否有意义？

我正在尝试提高多帧输入的性能

在网络侧，我添加了一个带有200个通道的CONVLSM模块。修改后的网络无法达到与原始网络相同的性能水平

#Feature_200的意思是：“具有200个通道的功能地图”
#原始网络管道：
编码器->功能\u 200->解码器
#修改第1条：
编码器->功能\u 200->转换->功能\u 200->解码器
#要实施：
编码器->功能\u 200->ConvLSTM->功能\u 100--concat-->功能\u 300->解码器
|                                  |
------捷径-->功能\u 200--

因此，我正在考虑将CONVLSM结果连接到原始网络的特征映射。这种结构是否有助于提高性能

---

（另外，我不确定使用“编码器”和“解码器”引用模块是否正确）

您可以使用CONVLTM作为特征提取器，并使用连接的特征作为某些机器学习分类器（如随机林或SVM）的输入