在之前的研究中，有人提出可以把多个不同的网络集成到一个网络里，实现多输入和多输出，即一次输出好几张图，且一次输出这些图对应的结果，如分类结果。

        之前的研究是把两幅图片各自乘以一个系数，融为一张图片，系数为k，融合方式为

        

        而本文提出的方法如图所示

        融合方式不再是按像素融合，而是利用mask进行拼接，类似于Labels4Free中生成合成图像的操作。其中，那个就是mask，k衡量mask处理后要保留的像素占整幅图像像素的百分比，作者定为了0.5。