有人说inception在ImageNet数据集上效果很好的原因是：ImageNet数据集中的原始图像分辨率不同，使用的时候resize到相同大小。所以能处理不同分辨率的inception非常适合ImageNet。这个描述是否属实？谁能给出更详细的解释？我对此感到非常困惑。非常感谢！
问问题
827 次
1 回答
0
首先，深度卷积神经网络，接收固定输入图像大小（如果按大小，您的意思是像素数），因此所有图像应该具有相同的大小或维度，这意味着相同的分辨率。另一方面，如果图像分辨率高且细节很多，则任何网络的结果都会变得更好。Imagnet 图像是来自 fliker 的高分辨率图像，并且调整主题大小不需要插值，因此调整大小的图像保持良好的形状。
其次，inception模块的主要目标是降维，这意味着如果我们有1X1卷积，那么维度计算中的系数是ONE：
output_dim = (input_dim + 2 * pad_data[i] - kernel_extent) / stride_data[i] + 1;
Inception 或换句话说 GoogLeNet，网络很大（超过 100 层），许多 CPU 甚至 GPU 在计算上不可能通过所有卷积，因此它需要降维。
你可以在 Imagnet 数据集中使用更深的 AlexNet（具有更多层），我敢打赌它会给你一个很好的结果，但是当你想深入到 30 层以上时，你应该有一个很好的策略，比如 Inception。顺便说一下，Imagnet数据集在深度网络中有超过 500 万张图像（我上次检查过）more image == more accuracy
于 2017-07-24T18:22:50.783 回答