我对(C)NNs在分类问题上的一般工作原理（2D图像 -> 1个类别）比较熟悉，但我不知道如何构建一个网络，使其能够接受2D图像并输出一个分类值的2D矩阵。

实际上，我有一组NxN的图像（1个通道），我想在“逐像素”的基础上进行分类。我希望输出是一个NxN的类别集合，这样对于位置(a,b)的像素，结果将是输入图像中像素(a,b)的分类结果。

有关于模型架构的帮助吗？

附注：我听说过基于补丁的方法来做这件事，但我希望将整个NxN图像输入到网络中，而不进行“补丁处理”。

谢谢！@隐藏人名

回答：

一般来说，这项任务并没有什么特别之处。深度神经网络可以同时执行多个分类或回归任务。由于权重共享，你可以确保在对每个像素进行分类时，某个像素与所有其他像素之间存在某种联系。

长话短说，解决这个问题的可能算法如下：

1) 确保你有一个训练集，输入是NxN的图像，输出是NxN的目标类别标签矩阵（每个像素的类别标签）

2) 构建一个通常用于图像分类的深度神经网络架构。比如几个带有最大池化的卷积层，后跟2-3个全连接的ReLU层。

3) 确保你的输出层大小为NxN，并且不是softmax层（再次使用ReLU）

4) 进行训练！

这应该完全可行。我也可以向你保证，从深度神经网络中获得几个半独立的输出并不少见。例如这里使用同一个网络同时定位所有面部关键点（眼睛、嘴巴、鼻子等）。