我看到tensorflow对象检测API允许自定义输入的图像大小 . 我的问题是它如何与预训练权重一起工作，这些权重通常在224 * 224图像或有时300 * 300图像上训练 .
在我使用的其他框架中，例如caffe rfcn，yolo和keras ssd，图像缩小以适应预训练重量的标准尺寸 .
300 t 300输入尺寸的tf使用的预训练重量是多少？如果是这样，我们如何使用这些权重来对自定义图像大小进行分类？是否缩小到相应的重量大小？
根据我的理解，输入大小只会影响网络的输入层 . 但如果这是错误的，请纠正我，我对整个深度学习范式仍然很陌生 .
我使用了三种Tensorflow Object Detection API模型 . 更快的R-CNN和R-FCN，都带有Resnet101功能提取器和带有Inception V2的SSD模型 . SSD型号将图像重新整形为固定的 M x M 尺寸 . 在Huang等人的论文_1722289中也提到了这一点，而n更快的R-CNN和R-FCN模型在缩放到较短边缘上的M个像素的图像上被训练 . 此调整大小位于模型的预处理阶段 .
M x M
另一种方法是保持纵横比并在图像上裁剪固定尺寸，然后可以从不同位置（中心，左上角，右上角，左下角，右下角等）裁剪以制作模型强大的 . 更复杂的方法包括将图像调整为多个尺度并进行裁剪，并在卷积图层中使用不同的纵横比，稍后使用自适应合并尺寸来制作与SPP相同的特征尺寸（有关详细信息，请参阅He等人的Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition） . 这是由配置proto中的 keep_aspect_ratio_resizer 完成的事情 .
keep_aspect_ratio_resizer
这使得我理解的架构能够适应不同的图像大小 . 因此隐藏层的内部权重不受图像输入大小的影响 .
1 回答
根据我的理解，输入大小只会影响网络的输入层 . 但如果这是错误的，请纠正我，我对整个深度学习范式仍然很陌生 .
我使用了三种Tensorflow Object Detection API模型 . 更快的R-CNN和R-FCN，都带有Resnet101功能提取器和带有Inception V2的SSD模型 . SSD型号将图像重新整形为固定的
M x M尺寸 . 在Huang等人的论文_1722289中也提到了这一点，而n更快的R-CNN和R-FCN模型在缩放到较短边缘上的M个像素的图像上被训练 . 此调整大小位于模型的预处理阶段 .另一种方法是保持纵横比并在图像上裁剪固定尺寸，然后可以从不同位置（中心，左上角，右上角，左下角，右下角等）裁剪以制作模型强大的 . 更复杂的方法包括将图像调整为多个尺度并进行裁剪，并在卷积图层中使用不同的纵横比，稍后使用自适应合并尺寸来制作与SPP相同的特征尺寸（有关详细信息，请参阅He等人的Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition） . 这是由配置proto中的
keep_aspect_ratio_resizer完成的事情 .这使得我理解的架构能够适应不同的图像大小 . 因此隐藏层的内部权重不受图像输入大小的影响 .