Python 如何在Keras中实现保留最大索引的SegNet
我正试图在Keras（tf后端）中实现SegNet来进行语义分割 SgeNet最令人印象深刻的技巧是将最大池索引传递给上采样层。然而，我在github上发现Keras（）中有许多SegNet的实现，只是使用简单的上采样（称为SegNet Basic） 我注意到它可以在Tensorflow中通过“tf.nn.max\u pool\u with_argmax”实现。所以我想知道有没有类似的方法来获取最大池索引，并将它们放回Keras的上采样中Python 如何在Keras中实现保留最大索引的SegNet,python,tensorflow,keras,deep-learning,semantic-segmentation,Python,Tensorflow,Keras,Deep Learning,Semantic Segmentation,我正试图在Keras（tf后端）中实现SegNet来进行语义分割 SgeNet最令人印象深刻的技巧是将最大池索引传递给上采样层。然而，我在github上发现Keras（）中有许多SegNet的实现，只是使用简单的上采样（称为SegNet Basic） 我注意到它可以在Tensorflow中通过“tf.nn.max\u pool\u with_argmax”实现。所以我想知道有没有类似的方法来获取最大池索引，并将它们放回Keras的上采样中 提前谢谢。嗯，我想我已经找到了答案
提前谢谢。嗯，我想我已经找到了答案