我想重新训练最后一个开始或移动网络层，以便它将我自己的对象分类（约5-15）我也希望这与INPUT_SIZE == 64x64或32x32（不像默认的初始模型224）一样
我发现了一些关于再培训模型的文章：https://hackernoon.com/creating-insanely-fast-image-classifiers-with-mobilenet-in-tensorflow-f030ce0a2991 https://medium.com/@daj/creating-an-image-classifier-on-android-using-tensorflow-part-3-215d61cb5fcd
对于mobilenet，他们说
输入图像大小，'224'，'192'，'160'或'128'
所以我可以't train with 64 or 32 (it'不好）https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py#L80
初始模型怎么样？我能以某种方式训练模型以使用小图像输入尺寸（以更快地获得结果）吗？
我想从这些小图像中分类的对象将从其父图像中被裁剪（例如从相机框架中），它可能是由最快的级联分类器（LBP / Haar）裁剪的交通/道路标志，这些分类器经过训练以检测所有看起来像标志的形状/图形（三角形/菱形，圆形）所以64x64图像完全包含/只包含感兴趣的对象应该足够分类
2 回答
不，你仍然可以，使用最小的选项，它将是128.它只会扩展您的32或64图像，这很好 .
分类员不可能
但它有可能用于tensorflow对象检测api（我们可以设置任何输入大小）https://github.com/tensorflow/models/tree/master/research/object_detection