问题标签 [convolutional-neural-network]

阅读YOLOv1 论文，提到 [1] 网络的第一部分，即那些卷积层，首先在 ImageNet 数据集上以 224x224 的输入分辨率进行训练。之后，转换模型进行检测，其中输入分辨率从 224x224 增加到 448x448。我想知道这个转换怎么做：如果网络的输入一开始是224x224，那么参数个数应该和448x448不同，这意味着在ImageNet数据集上训练的卷积层不能重复用于检测.

我在这里想念什么？

[1]：在“2.2培训”部分的末尾

我想知道YOLOv2中的多尺度训练是如何工作的。

论文中指出：

原始 YOLO 使用 448 × 448 的输入分辨率。通过添加锚框，我们将分辨率更改为 416×416。然而，由于我们的模型只使用卷积层和池化层，它可以随时调整大小。我们希望 YOLOv2 能够在不同大小的图像上运行，因此我们将其训练到模型中。我们不是固定输入图像的大小，而是每隔几次迭代就改变网络。每 10 批我们的网络随机选择一个新的图像尺寸。“由于我们的模型下采样了 32 倍，我们从以下 32 的倍数中提取：{320, 352, ..., 608}。因此最小的选项是 320 × 320，最大的是 608 × 608。我们调整大小网络到那个维度并继续训练。”

我不明白只有卷积层和池化层的网络如何允许输入不同的分辨率。从我搭建神经网络的经验来看，如果把输入的分辨率改成不同的尺度，这个网络的参数个数就会发生变化，也就是这个网络的结构会发生变化。

那么，YOLOv2 是如何即时改变这一点的呢？

我阅读了 yolov2 的配置文件，但我得到的只是一个random=1声明......

我正在 Keras（Tensorflow 后端）中训练一个 CNN 模型。我已经使用了动态增强fit_generator()。该模型将图像作为输入，并且应该预测自动驾驶汽车的转向角。在这一点之后，训练就冻结了。我尝试过更改批量大小、学习率等，但它不起作用。

训练在第一个 epoch 结束时冻结。

请帮忙！

如何按照 YARIN GAL 的建议在卷积神经网络中使用 Keras 实现 Monte Carlo dropout 以估计预测不确定性？我正在使用 R。R -Code 在这里

我正在小批量拟合模型，并希望使用 Monte Carlo dropout 小批量评估模型。在 Keras 文档中找不到任何提示。顺便说一句，我使用 flag training=TRUE 训练了我的模型。

谢谢

我已经使用 tf.layers.conv2d 层构建了一个自动编码器，并希望分阶段对其进行训练。也就是先训练外层，然后是中间层，然后是内层。我知道使用 tf.nn.conv2d 可以做到这一点，因为权重是使用 tf.get_variable 声明的，但我认为使用 tf.layers.conv2d 也应该可以做到这一点。

如果我输入一个与原始图不同的新变量范围来更改卷积层的输入（即在第 1 阶段跳过内层），我将无法重用权重。如果我不输入新的变量范围，我将无法冻结我不想在此阶段训练的权重。

基本上我正在尝试使用来自 Aurélien Géron 的训练方法https://github.com/ageron/handson-ml/blob/master/15_autoencoders.ipynb

除了我想使用 cnn 而不是密集层。怎么做？

我在 Caffe 中使用完全卷积网络进行语义分割，使用Cityscapes数据集。

该脚本允许转换类的 ID，并表示将要忽略的类 ID 设置为 255，并“在训练期间忽略这些标签”。我们如何在实践中做到这一点？我的意思是，我如何“告诉”我的网络 255 不像其他整数那样是一个真正的类？

谢谢你给了我背后的直觉。

我已经定义了 y_pred，但它仍然给出了这个错误。任何形式的帮助都会很好。

在预测步骤中：

我想使用 xception 模型对图像进行分类，但我得到了 valuerror。

我收到此错误

我在使用 resnet 时也遇到了这个错误。但是当我使用 vgg16 或 vgg19 时我没有得到它。谁能说一下如何使用它？

我现在正在学习 CNN，正在研究层的反卷积。我已经开始学习上采样的过程，并通过从源代码中的过滤器生成特征图来观察卷积层如何看待世界。 VGG16 的过滤器的可视化，使用源代码。我改变了输入，代码如下：

我正在使用的输入图像是

它应该生成一个将 64 个特征图嵌入到一个图像中的输出，如VGG16 的过滤器的可视化所示，但它在每个过滤器处生成相同的输入图像 。

我很困惑出了什么问题或者我应该在哪里进行更改。

请帮忙。

Total newbie here, I'm using this pytorch SegNet implementation with a '.pth' file containing weights from a 50 epochs training. How can I load a single test image and see the net prediction? I know this may sound like a stupid question but I'm stuck. What I've got is:

How do I "use" the net on a single test picture?