у создать пользовательский слой потерь для семантической сегментации в caffe, который требует нескольких входов. Мне бы хотелось, чтобы эта функция потерь имела дополнительный входной коэффициент, чтобы штрафовать за обнаружение промаха в небольших объектах.

Для этого я создал изображение GT, которое содержит для каждого пикселя вес. Если пиксель принадлежит маленькому объекту, вес велик.

Я новичок в кафе, и я не знаю, как кормить свою сеть тремя двумерными сигналами одновременно (изображение, маска gt и вес на пиксель). У меня есть сомнения относительно того, как caffe делает соответствие между данными rgb и данными gt.
Я хочу расширить это, чтобы иметь 2 gt один для изображения метки класса, а другой, чтобы поместить этот фактор в функцию потерь.

Можете ли вы дать намек, чтобы добиться этого?

Спасибо,