有些人说，在ImageNet数据集上开始运作良好的原因是：ImageNet数据集中的原始图像具有不同的分辨率，并且在使用它们时将它们调整为相同的大小。因此，可以处理不同分辨率的初始化非常适合ImageNet。这种描述是否属实？任何人都可以提供更多细节解释吗？我真的很困惑。非常感谢！
答案 0 :(得分：0)
首先，深度卷积神经网络，接收修复输入图像大小（如果按大小，你的意思是，像素数），所以所有图像应该是相同的大小或尺寸，这意味着相同的分辨率另一方面，如果图像分辨率很高且有很多细节，任何网络的结果会变得更好。 Imagnet图像是fliker的高分辨率，调整大小的主题不需要插值，因此调整大小的图像保持良好的形状。
第二，初始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1：
output_dim = (input_dim + 2 * pad_data[i] - kernel_extent) / stride_data[i] + 1;
成立或者换句话说GoogLeNet，网络是巨大的（超过100层）并且计算上不可能让许多CPU或甚至GPU经历所有卷积，因此需要减少维度。 / p>
你可以在Imagnet数据集中使用更深的AlexNet（更多图层），我打赌它会给你一个好的结果但是当你想要超过30层时，你应该有一个好的策略，比如Inception。方式，Imagnet数据集在深网more image == more accuracy