重新训练最后一次启动或移动网络层以使用INPUT_SIZE 64x64或32x32

Question

我想重新训练最后一次启动或移动网络层，以便对我自己的对象进行分类（约5-15） 此外，我希望这可以使用INPUT_SIZE == 64x64或32x32（不像默认的初始模型那样224）

我找到了一些关于再培训模型的文章： https://hackernoon.com/creating-insanely-fast-image-classifiers-with-mobilenet-in-tensorflow-f030ce0a2991 https://medium.com/@daj/creating-an-image-classifier-on-android-using-tensorflow-part-3-215d61cb5fcd

对于mobilenet，他们说

  

输入图片尺寸，＆＃29; 224＆＃39; 192＆＃39;＆＃39; 160＆＃39;或＆＃39; 128＆＃39;

所以我无法用64或32（不好）https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py#L80

进行训练

初始模型怎么样？我能以某种方式训练模型以处理小图像输入尺寸（以更快地获得结果）吗？

我想从这些小图像中分类的对象将从其父图像（例如来自相机框架）中被裁剪掉，它可能是由最快的级联分类器（LBP / Haar）裁剪的交通/道路标志检测看起来像标志的形状/图形（三角形/菱形，圆形）的所有内容 因此，完全包含/仅包含感兴趣对象的64x64图像应足以进行分类

Answer 1

不，你还可以，使用128的最小选项。它只会缩放你的32或64图像，这很好。

Answer 2

分类员不可能

但是它可以用于tensorflow对象检测api（我们可以设置任何输入大小）https://github.com/tensorflow/models/tree/master/research/object_detection