如何使用额外的图像相关参数在Keras中创建自定义成本函数？

import keras.backend as K
from keras.losses import binary_crossentropy

def custom_cost_function(y_true, y_pred, image_param):
    # 自定义成本函数的实现
    # 使用额外的图像参数来增强成本函数的性能
    # y_true: 真实标签
    # y_pred: 预测标签
    # image_param: 额外的图像参数

    # 计算二进制交叉熵损失
    loss = binary_crossentropy(y_true, y_pred)

    # 根据额外的图像参数进行调整
    adjusted_loss = loss * image_param

    return adjusted_loss

# 创建模型
model = ...

# 编译模型时指定自定义成本函数
model.compile(optimizer='adam', loss=lambda y_true, y_pred: custom_cost_function(y_true, y_pred, image_param))