Python 在每个像素都有多个标签的情况下，是否可以进行像素分类？

使用CNN，我想拍摄一张图像，其中每个像素都带有3个标签。大概是这样的：

0,1 (not object/object)
0,1,2,3... (Class of object, eg cat,dog)
0,1,2,3...(Object Number of given class eg, 2nd instance of cat)

换句话说，给定一张多只猫和狗的图片，CNN将输出一个给定像素来自一个对象，该对象是一只猫，它属于图像中第二个猫的实例，例如从左上角开始计数

这是一个单一的CNN可以做到的，还是我必须组合多个CNN才能达到这个效果

---

编辑：我应该注意，我知道我最初必须用注释图像训练CNN，其中每个像素已经有2或3个标签，如上所述

你应该研究完全卷积的神经网络。基本上，这些是没有完全连接层的CNN，它们包含反褶积层。因此，给定一个NxN大小的图像，它输出一个NxN大小的图像，每个像素都有一个标签，它直接应用于语义分割