我想实现这样的模型连接：
输入图像1 -> 卷积层1
输入图像2 -> 每个输入像素仅连接到一个权重，即1:1对应 -> 卷积层2
之后，这两个层将遵循标准CNN的结构，但我很难实现两个同时进行的层，其中一个层只是接收输入并学习如何处理每个单独的像素，而不考虑其邻居像素。
第二个输入图像应该遵循类似的结构：
我知道这不是标准做法，但有没有办法在Keras（或TensorFlow）中实现这一点呢？
任何指导都将不胜感激。
回答：
我想这就是你想要的：
https://keras.io/layers/local/
基本情况是这样的：
LocallyConnected1D层的工作方式与Conv1D层类似，只是权重是不共享的，即在输入的每个不同区域应用一组不同的滤波器。
在这种情况下，你希望使用核大小为(1,1)的这一层，以便为图像的一个像素分配一个权重值。
