在Keras，imagenet-pretrained模型如何处理与原始224x224输入大小不同的输入大小？

Question

由于预训练模型是在具有特定宽度和高度的ImageNet图像上进行训练的，因此Keras模型（例如ResNet50）如何允许不同的input_size？

我也很想知道'197'的神奇数字来自哪里：

  

input_shape：可选的形状元组，仅在include_top为False时指定（否则输入形状必须为（224,224,3）（带有'channels_last'数据格式）或（3,224,224）（带'channels_first'数据格式）。它应该有3个输入通道，宽度和高度不应小于197.例如（200,200,3）将是一个有效值。

Source

Answer 1

我相当自信197来自卷积和汇集层的数量。这是维护架构时可以采用的最小尺寸。例如，在200x200图像上，步长为1的3x3卷积将具有198x198的输出形状，并且另外2x2最大池将具有99x99的输出。等...

Answer 2

当你指定它为false时，你必须专注于include_top部分，你选择不包括完全连接的层，并且如果你有可能重新训练（或者只是重新调整），你可以更自由地使用模型模型的权重）。

当你看到像这样大小的深度学习模型，如resnet50， 你会注意到层越靠近模型的输入就越抽象，在层的每个块上它将捕获像轮廓一样的特征，并且图像大小的增加不会对此产生太大影响。网络的一部分。

最重要的一层将位于模型的最后（或者keras在这里指的是顶部），你应该集中训练，这就是为什么在使用include_top = false时可以改变输入大小，这样你就可以将FC层重新调整到合适的大小。

关于神奇的数字，我不是很确定，但我猜这是因为模型是一个很大的模型，每次它进行汇集时它会缩小图像大小，197将是未到达的限制最后是0号。

如果您在在一组新类上微调InceptionV3查看页面sent，您会看到一个很好的例子，它只重新训练最后2个块从初始模型开始，但保持最高层不受影响。

Answer 3

当“ include_top”为False时，Keras允许您更改输入大小，因为这意味着您计划在其他任务（使用不同的输入； transfer learning）上训练网络。

如果不是，则必须传递相应网络的原始接受输入。 197是为特定网络所接受的下限，以仍然与后续层兼容。每种型号都不同。