python - 使用卷积层训练的权重来处理不同的图像大小

Question

我想使用 vgg-16 的前三个卷积层来生成特征图。但我想将它与可变图像大小一起使用，即不是 224x224 或 256x256 的 imagenet 大小。例如 480x640 或任何其他随机图像尺寸。

由于卷积层与图像空间大小无关，我如何使用权重来改变图像大小？那么我们如何使用 vgg-16 的预训练权重到前三个卷积层。请让我知道这是否可能。

标签： pythontensorflowdeep-learning

Answer 1

As convolution layer are independent of image size

实际上，它比这更复杂。内核本身与图像大小无关，因为我们将其应用于每个像素。事实上，这些内核的训练可以重复使用。

但这意味着输出大小取决于图像大小，因为这是每个输入像素从层中馈出的节点数。因此，即使特征提取器是独立的，密集层也不适合您的图像。

因此，您需要对图像进行预处理以适应第一层的大小，或者从头开始重新训练密集层。

当人们谈论“迁移学习”时，这就是人们几十年来在细分中所做的事情。你重用最好的特征提取器，然后用这些特征训练一个专用模型。