我很熟悉Overfeat的工作原理,它不仅能对图像中的对象进行分类,而且还能通过仅使用卷积层而不是最终完全连接的层来定位图像中的对象。然而,我读到的每个教程或解释都谈到了alexnet或一个非常基本的神经网络,它由几个连续的卷积层组成,然后是2-3个完全连接的层来对图像进行分类。然而,我的问题如下,有没有可能修改一个更复杂的网络,比如ResNet或Inception,它不像Alexnet或VGG那样使用标准的连续卷积层技术?
谢谢
发布于 2020-02-28 19:15:07
欢迎,是的。看一看像this这样的非常简化的图,分割的"FC“(‘全连接’,或‘密集’)箭头左边的所有东西都可以是任何类型的(通常被称为)图像分类网络,例如Keras Applications中的那些,它包括VGG、ResNet、初始、异常等。对于这些类型的网络,输入显然是图像,输出有时被称为“特征地图”(尽管这有点傻-看一下输出,你就会明白-因为它通常更类似于后现代主义地图,而不是制图地图)。
所以你的问题的答案是肯定的:把你想要的任何类型的网络放在“过度”结束的东西之前,无论是自定义的还是其他的,但要知道它是一些通用的卷积简化论模型,比如ResNet,盗梦空间等等。任何类型的网络接受一张图像,并吐出一个汇集或扁平(1维)形式的3维“特征图”,显然是为了这个“过度”概念。
https://stackoverflow.com/questions/60448003
复制相似问题