在迁移学习中,我们可以改变输入大小吗?

时间:2021-06-12 11:26:13

标签: python computer-vision tensorflow2.0 keras-vggface

我正在使用 VGG16 及其预先保存的权重。因为这个 VGG16 是在 (244 * 244) 维图像上训练的。 那么我们可以将输入维度更改为 like (128 * 128)

baseModel = VGG16(weights="imagenet", include_top=False,input_tensor=Input(shape=(128, 128, 3)))

为了理解这个场景,让我们在 baseModel 中将第一层作为 Conv2D,过滤器大小 (3,3) 和总共 16 个过滤器, padding='valid' 。

所以当输入图像形状为(1 * 1 * 16)时它会输出(3 * 3 * 3)

但是当输入图像形状为 (2 * 2 * 3) 时,我们看到在有效填充的情况下我们无法应用 (3,3) 过滤器。 (因为有效填充所以我们不能应用填充)

所以这里我们会出错? 我在这里遗漏了任何概念吗?

1 个答案:

答案 0 :(得分:0)

您可以更改vgg16模型的分辨率,但宽度和高度不得小于32,按照keras.io