VGG16中的最后一个FC层

Question

VGG16架构具有输入：224x224x3图像。我想有48x48x3输入，但是要在keras中做到这一点，我们删除了最后的fc层，每个fc层都有4096个神经元，为什么我们必须这样做？是否需要为此输入添加其他大小的fc层？

Answer 1

VGG16的最终池化层具有7x7x512输入图像的尺寸224x224。 VGG16从那里使用(7x7x512)x4096的完全连接层来获得4096尺寸输出。但是，由于您输入的大小不同，因此与最终合并层相比，要素输出大小也将有所不同（我认为2x2x512）。因此，您需要更改完全连接层的矩阵尺寸以使其起作用。

1. 使用跨空间维度的全局平均池来获得512维度特征，然后使用几个完全连接的层来获取您的类数。
2. 将输入图像的大小调整为224x224x3，并且无需在模型体系结构中进行任何更改。

Answer 2

删除最后一个FC层是为了进行微调或转移学习，您可以在其中使现有网络适应新问题，例如更改分类器可以选择的类别数量。

您正在调整网络以采用不同大小的输入，因此您需要调整网络的第一层。