С традиционным CNN позиционные ограничения не могут быть изучены, потому что все обучение происходит в сверточных слоях, которые пространственно инвариантны.Одно предостережение по этому поводу состоит в том, что CNN изучит относительное расположение признаков в определенной степени (если признак A всегда выше признака B, успешная классификация пикселей, принадлежащих A, будет неявно уменьшать вероятность пикселей выше существующегоклассифицируется как B, по крайней мере, для пикселей, которые «достаточно близки», потому что граничная область будет противоположна той, на которой обучалась CNN).Если вы не считаете это достаточным, вам нужно либо спроектировать собственный слой, который каким-то образом учитывает положение (хотя, если на каждом изображении истинной земли есть только одна структура, я не уверен, что ваших данных достаточно, чтобы что-то рассказать об относительных местоположенияхмножественные объекты как-то выше указанного выше предостережения) или просто постобработать вывод CNN с помощью необучаемого алгоритма, который разработан на основе ваших экспертных знаний об этих позиционных ограничениях.Как инженер-медик по компьютерному зрению, я бы порекомендовал последнее, особенно если учесть, что вы имеете дело с жестким правилом без исключений (зачем пытаться выучить и так простое правило?).