我在 中分别训练了三个不同的模型caffe，可以得到属于每个类的概率进行语义分割。我想获得基于我得到的 3 个概率的输出（例如，三个概率的 argmax）。这可以通过net模型和deploy.prototxt文件进行推断来完成。然后根据最终的软输出，硬输出显示最终的分割。我的问题是：
end-to-end三个网络的集成训练？有什么资源可以得到帮助吗？argmax三个概率）得到最终分割，即软输出？我的问题可能听起来很基本，对此我深表歉意。我仍在尝试一步一步地学习。我真的很感谢你的帮助。
有两种方法（至少我知道）可以解决(1)：
一种是使用pycaffe接口，实例化三个网络，通过每个网络转发输入图像，获取输出并执行您希望组合所有三个概率的任何操作。如果您打算使用更复杂的逻辑组合它们，这将特别有用。
另一种方法（不太优雅）是caffe test通过每个网络分别使用和处理所有输入，将概率保存到文件中。然后稍后结合文件中的概率。
关于你的第二个问题，我从来没有训练过两个以上的权重共享 CNN（连体网络）。据我了解，您的网络不共享权重，仅共享架构。如果您想端到端地训练所有三个，请查看为连体网络制作的本教程。作者在他们的prototxt两个路径/分支中定义，将每个分支的层连接到输入数据层，最后连接一个损失层。
在您的情况下，您将定义三个分支（每个网络一个），与输入数据层连接（检查每个分支是否处理相同的输入或不同的输入，例如，以不同方式预处理的相同图像）并将它们联合起来有损失，类似于教程。
现在，对于最后一个问题，Caffe 似乎有一个ArgMax 层，这可能是您正在寻找的。如果您熟悉 python，您还可以使用python 层，它允许您非常灵活地定义如何组合输出概率。