computer-vision - 执行多尺度训练 (yolov2)
问题描述
我想知道YOLOv2中的多尺度训练是如何工作的。
论文中指出:
原始 YOLO 使用 448 × 448 的输入分辨率。通过添加锚框,我们将分辨率更改为 416×416。然而,由于我们的模型只使用卷积层和池化层,它可以随时调整大小。我们希望 YOLOv2 能够在不同大小的图像上运行,因此我们将其训练到模型中。我们不是固定输入图像的大小,而是每隔几次迭代就改变网络。每 10 批我们的网络随机选择一个新的图像尺寸。“由于我们的模型下采样了 32 倍,我们从以下 32 的倍数中提取:{320, 352, ..., 608}。因此最小的选项是 320 × 320,最大的是 608 × 608。我们调整大小网络到那个维度并继续训练。”
我不明白只有卷积层和池化层的网络如何允许输入不同的分辨率。从我搭建神经网络的经验来看,如果把输入的分辨率改成不同的尺度,这个网络的参数个数就会发生变化,也就是这个网络的结构会发生变化。
那么,YOLOv2 是如何即时改变这一点的呢?
我阅读了 yolov2 的配置文件,但我得到的只是一个random=1
声明......
解决方案
如果您只有卷积层,则权重的数量不会随着层的 2D 部分的大小而改变(但如果您调整通道数量,它也会改变)。
例如(想象的网络),如果你有 224x224x3 的输入图像和一个 3x3x64 的卷积层,你将有 64 个不同的 3*3*3 卷积滤波器内核 = 1728 个权重。这个值根本不依赖于图像的大小,因为内核被独立地应用于图像的每个位置,这是卷积和卷积层最重要的事情,也是为什么 CNN 可以走这么深的原因,以及为什么在更快的 R-CNN 中你可以从你的特征图中裁剪区域。
如果有任何完全连接的层或其他东西,它就不会以这种方式工作,因为在那里,更大的 2D 层维度会导致更多的连接和更多的权重。
在 yolo v2 中,有一件事可能看起来仍然不合适。例如,如果您将每个维度中的图像大小加倍,您最终会在最终的 1x1xN 过滤器之前得到每个维度中的特征数量的 2 倍,就像原始网络大小的网格是 7x7 一样,调整大小的网络可能有 14x14。但是你只会得到 14x14 * B*(5+C) 的回归结果,就好了。
推荐阅读
- mysql - MySQL 公式将线性刻度转换为对数刻度
- excel - Excel 将公式插入到另一个工作表的单元格引用中
- python - django-filters 与 Django 2.1 的兼容性问题
- regex - 仅当存在另一个元素时如何将元素放入正则表达式
- c# - join 子句中的表达式之一的类型不正确。类型推断失败
- python - 用于分隔 Excel 工作表的多个数据框列表
- algorithm - 有没有一种有效的方法来计算比特流中 1 的密度?
- sql - 将数据从 SQL 输出导出到 csv 时出错
- javascript - 是否有任何 JS 智能 json 模式验证器,比如 Joi,但有动态自定义错误?
- ios - FUIEmailAuth 未声明