这里作者应该是认为CNN在这里只是起到了统计特征提取的作用，然后作者将提取的特征做差和原始特征concatenate在一起作为新的特征。后面是两个并行的全连接网络作者将上支路作为图像块的权重。作者认为图像块在整个图像中的重要性是不一样的因此需要让网络学习这种图像块的权重。下支路是图像块的预测分数，最后的pooling我认为就是分数加权的过程。
读取dataset 4个块分别输入到网络中
搭建自己的残差神经网络与卷积神经网络
卷积层对图像进行卷积，卷积到一定程度之后可以通过池化来缩小特征图，最后将整个特征图拉直就可以输到全连接里面进行回归，最后输出一个数值，再通过一个sigmoid就可以得到最后的质量分数
若有收获，就点个赞吧
0 人点赞
