我试图了解堆叠多个特征并通过最终块（可能包含多个层，可以说是最终分类层）与通过不同层传递这些特征并将它们连接起来之间的差异的逻辑直觉在通过最终分类层传递之前。

举个具体的例子，如果我对不同类型的图像进行分类，

• 我可能会将它们通过预先训练的模型（权重）并获得一组特征，提取图像的其他特征，例如一些斑点、直方图等，确保它们具有相同的维度并将它们堆叠并通过 1 个模型传递

• 或者，我可能会将提取的特征通过 1 个 FC 层，然后，例如，直方图特征通过另一个 FC 层并将它们连接起来，最后将这个连接的输出通过最终的 FC 层以获得分类。

我认为，当特征相互关联但具有不同特征时，应该应用 2 个差异模型 + 连接。例如股票价格和每月就业人数，但如果它们来自同一张图片，它们应该堆叠吗？很困惑，任何指示都是来自天堂的吗哪