我正在尝试实现一个由两层组成的模型来分割 keras 中的候选对象所以基本上这个模型具有以下架构
图像（通道，宽度，高度）-> 多个卷积和池化层-> 输出（'n' 个特征图，高度宽度）
现在这个单一的输出被两层使用，它们如下 1) 卷积 (1*1) - > 具有 m 个单元的密集层 (输出 = n * 1*1 ) - > 使用完全连接的 h*w 层的像素分类器维度 -> 上映射到 (H,N) -> 输出
2）卷积->maxpooling->密集层->分数
成本函数使用这两个层的输出，这是每个输出的二元逻辑回归之和
现在我有两个问题 1）如何在第 1 层的卷积输出上实现密集连接以产生如上所述的 h*w 像素分类器 2）如何合并两层以计算单个成本函数，然后使用联合训练两层反向传播
谁能告诉我如何为上述网络架构创建模型。我是深度学习的新手，所以如果有我误解的东西，如果有人能解释我理解中的错误，我将不胜感激谢谢