我正在尝试实现此类模型的连接性：
输入图像1->卷积层1
输入图像2->层，其中输入的每个像素仅连接到一个权重，即1：1对应->卷积层2
之后，这两层将遵循标准CNN的结构，但是我很难实现两个同时的层，其中其中一层只是简单地获取输入并学习对每个单独的像素进行多少处理，而无需查看相邻像素。
第二个输入图像应遵循类似的内容：
我知道这不是标准的，但是在Keras（或Tensorflow）中有什么方法可以实现吗？
任何指导将不胜感激。
最佳答案
我认为这是您要找的东西：
https://keras.io/layers/local/
基本上：
LocallyConnected1D层的工作方式与Conv1D层类似，不同之处在于权重是不共享的，也就是说，在输入的每个不同面片上都应用了一组不同的过滤器。
在这种情况下，您希望使用内核大小为（1,1）的这一层，仅将一个权重值分配给图像的一个像素。