Как построить двухветвевую модель Keras с плотными слоями и слоями Conv2D? ⇐ Python

[Anonymous]

Это простой пример, воспроизводящий мою проблему в сети, которую я пытаюсь развернуть.
У меня есть входной слой изображения (который мне нужно поддерживать), а затем плотный слой. , слой Conv2D и плотный слой.
Идея состоит в том, что входные данные представляют собой изображения 10x10, а метки — изображения 10x10. Вдохновлен моим кодом и этим примером.

Код: Выделить всё

import numpy as np
from keras.models import Model
from keras.layers import Input, Conv2D

#Building model
size=10
a = Input(shape=(size,size,1))
hidden = Dense(size)(a)
hidden = Conv2D(kernel_size = (3,3), filters = size*size, activation='relu', padding='same')(hidden)
outputs = Dense(size, activation='sigmoid')(hidden)

model = Model(inputs=a, outputs=outputs)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

#Create random data and accounting for 1 channel of data
n_images=55
data = np.random.randint(0,2,(n_images,size,size,1))
labels = np.random.randint(0,2,(n_images,size,size,1))

#Fit model
model.fit(data, labels, verbose=1, batch_size=10, epochs=20)

print(model.summary())

Я получаю следующую ошибку: ValueError: Ошибка при проверке цели: ожидалось, что плотность Densent_92 будет иметь форму (10, 10, 10), но получен массив с формой (10, 10, 1)
code>

Если я изменю код, ошибка не появится:

Код: Выделить всё

outputs = Dense(size, activation='sigmoid')(hidden)

с:

Код: Выделить всё

outputs = Dense(1, activation='sigmoid')(hidden)

Не знаю, насколько Dense(1) вообще действителен и как он допускает выходной сигнал 10x10, как указывает model.summary():
р>

Код: Выделить всё

_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
input_26 (InputLayer)        (None, 10, 10, 1)         0
_________________________________________________________________
dense_93 (Dense)             (None, 10, 10, 10)        20
_________________________________________________________________
conv2d_9 (Conv2D)            (None, 10, 10, 100)       9100
_________________________________________________________________
dense_94 (Dense)             (None, 10, 10, 1)         101
=================================================================
Total params: 9,221
Trainable params: 9,221
Non-trainable params: 0
_________________________________________________________________
None

Изменить (перенесено из старых комментариев):

• то, что я пытаюсь сделать, не является стандартным. У меня есть набор изображений, и для каждого изображения я хочу найти двоичное изображение того же размера, что если
  значение его пикселя равно 1, это означает, что объект существует во входном изображении
• Понимание того, есть ли у пикселя какой-либо признак, должно быть получено как из локальной информации (извлеченной с помощью сверточных слоев), так и из глобальной
  информации, извлеченной из плотных слоев.
• Понимание того, имеет ли пиксель какую-либо особенность, должно быть получено как из локальной информации (извлеченной с помощью сверточных слоев), так и из глобальной
  информации, извлеченной из плотных слоев.
• p>

Подробнее здесь: https://stackoverflow.com/questions/523 ... v2d-layers