阅读YOLOv1 paper，提到[1]网络的第一部分，即那些卷积层，首先在ImageNet数据集上以224x224的输入分辨率进行训练。之后，模型被转换为执行检测，其中输入分辨率从224x224增加到448x448。我想知道如何完成这种转换：如果网络的输入最初是224x224，那么参数的数量应该与448x448不同，这意味着在ImageNet数据集上训练的卷积层不能重新用于检测
我在这里缺少什么？
[1]：在课程结束时＆＃34; 2.2培训＆＃34;
答案 0 :(得分：1)
如果网络的输入最初是224x224，那么参数的数量应该与448x448不同
这是你的误解。
卷积运算对输入的大小没有限制，因此对输出的大小没有限制。当您训练在末尾具有完全连接层的CNN进行分类时，您将输入限制为固定大小，因为FC层可以接受的输入数量是固定的。
但是，如果您从网络中删除分类头并且仅使用经过训练的CNN权重作为特征提取器，您会注意到给定任何维度的输入（＆gt; =网络的维度）训练后，输出将是一组特征图，其空间范围随着输入的空间范围的增加而增加。
因此，在YOLO中，网络最初经过训练以执行分辨率为224x224的分类。以这种方式，卷积操作的权重+最后的FC层的权重学习提取＆amp;对有意义的特征进行分类。
在第一次训练之后，FC层被丢弃，只保留特征提取部分。通过这种方式，你可以使用一个好的特征提取器，它已经学会了以卷积方式提取有意义的特征（例如，不产生特征向量而是产生特征映射作为输出，可以像YOLO那样进行后处理）< / p>