深度学习体系结构的输入大小有多重要？

Question

最近，我一直在玩MATLAB的RCNN深度学习示例here。在这个例子中，MATLAB设计了一个基本的15层CNN，输入大小为32x32。他们使用CIFAR10数据集预先训练这个CNN。 CIFAR10数据集也具有大小为32x32的训练图像。之后他们使用一个小的停止标志数据集来微调这个CNN以检测停止标志。这个停车标志的小数据集只有41张图像;因此，他们使用这41个图像来微调CNN，即训练RCNN网络。这是他们检测停车标志的方式： 如您所见，边界框几乎覆盖了整个停止标志，除了顶部的一小部分。 使用代码我决定使用PASCAL VOC数据集对CIFAR10数据集上预先训练过的同一网络进行微调，但仅适用于飞机＆＃34;类。 这些是我得到的一些结果：

如您所见，检测到的边界框几乎无法覆盖整架飞机;因此，当我评估精度时，这会导致精度为0。据我所知，在MATLAB示例中提到的原始RCNN论文中，输入大小227x227及其CNN有25层。这可能是检测不准确的原因吗？ CNN的输入大小如何影响最终结果？

Answer 1

几乎肯定是的！ 当您通过网络传递图像时，网络会尝试最小化从图像中获取的数据，直到获得最相关的数据。在此过程中，输入会一次又一次地缩小。例如，如果您向网络插入小于所需的图像，则图像中的所有数据可能会在网络中传递时丢失。 在您的情况下，您的结果的可选原因是网络＃34;寻找＆＃34;分辨率有限的功能，也许大飞机的分辨率过高。