01 引入
假如我们想要在cifar10上验证vgg的性能,可能就会出现以下问题:
vgg 标准输入:224 x 224 x3
cifar10图像的分辨率:32 x 32 x 3
02 可行的解决方法
一种观点:
修改最后几个全连接层的大小!(绝对可行)
另一种观点:
对于普通的图像分类,resize成网络想要的标准输入,可能没有影响。
但是对于我们举的例子来讲,这样的操作显然是不合适的!!!
对于目标的定位来讲,resize意味着图像发生了形变,很可能会影响效果。
假如我们想要在cifar10上验证vgg的性能,可能就会出现以下问题:
vgg 标准输入:224 x 224 x3
cifar10图像的分辨率:32 x 32 x 3
一种观点:
修改最后几个全连接层的大小!(绝对可行)
另一种观点:
对于普通的图像分类,resize成网络想要的标准输入,可能没有影响。
但是对于我们举的例子来讲,这样的操作显然是不合适的!!!
对于目标的定位来讲,resize意味着图像发生了形变,很可能会影响效果。
来源:https://www.cnblogs.com/Terrypython/p/11543764.html