我正在尝试在Caffe上训练自己的网络，类似于Imagenet模型。但我对作物层感到困惑。直到我理解Imagenet模型中的裁剪层，在训练期间，它将随机拍摄227x227图像并训练网络。但是在测试过程中，我们会拍摄中心227x227的图像，当我们从256x256图像裁剪中心227x27图像时，我们不会从图像中丢失信息吗？第二个问题，我们如何定义培训期间要采取的作物数量？
而且，我训练相同的网络（相同数量的层，相同的卷积大小FC神经元将明显不同），首先从256x256图像拍摄227x227裁剪，第二次从256x256图像拍摄255x255裁剪。根据我的直觉，255x255作物的模型应该给我最好的结果。但是我用227x227图像获得更高的准确度，有人能解释我背后的直觉，还是我做错了什么？
答案 0 :(得分：0)
您的观察结果并非针对Caffe。
训练和测试期间裁剪图像的大小需要相同（在您的情况下为227x227），因为上游网络层（卷积等）需要图像相同大小 。在训练期间完成随机作物是因为您想要数据增加。但是，在测试期间，您希望针对标准数据集进行测试。否则，测试期间报告的准确度也将取决于转移测试数据库。
每次迭代都会动态生成作物。训练批次中的所有图像都是随机裁剪的。我希望这能回答你的第二个问题。
你的直觉不完整：使用更大的作物（227x227），你有更多的数据增加。数据增强实质上创造了“新的”训练样本。这对于防止训练期间过度拟合至关重要。对于较小的裁剪（255x255），您应该期望更好的训练准确性但更低的测试精度，因为数据更有可能被过度拟合。
当然，种植可能过头了。裁剪太多而您从图像中丢失了太多信息。对于图像分类，理想的裁剪尺寸是不改变图像类别的尺寸（即，仅裁剪背景）。