如何使用Inception-v3作爲卷積網絡

因此，我重新訓練了Inception-v3網絡以對特定種類的數據進行分類 - 對於訓練我已經提供了200x200的圖片。現在，當我在另一張200x200圖片上運行該圖時，它工作得很好。我想要實現的是將它變成卷積網絡的濾波器 - 即將其作爲濾波器滑過整個圖片，並獲得每個像素在給定類中的概率。如何使用Inception-v3作爲卷積網絡

手動操作似乎相當簡單 - 只需將圖片拼接成小部分，對其中的每一部分進行分類，然後將結果放在一起即可。但這樣做效率很低。相反，我想要做一些像這裏描述的內容：http://cs231n.github.io/convolutional-networks/#convert。基本上，通過改變權重來改變最後一個FC層並將其變爲CONV層。似乎很簡單，但我不知道如何實際做到這一點。

我的主要問題是，在最後一個FC層之前的Inception-v3網絡結束時，有一個將數據重新格式化爲（1,2048）形狀的池操作，所以我不能真正能夠在這裏執行卷積。

任何人都可以幫我嗎？

來源

2016-07-22 Jakub Kwiatkowski

你的意思是一個完全卷積網絡，你應該使用這個術語來減少混淆。 –

您是否找到解決方案？ – LKM

我最直接的解決方案是最後跳過完全連接的層，因爲它會導致輸入圖像失去其初始結構。做一個Conv -> FC -> Conv似乎是多餘的

來源

2018-02-07 11:31:38

如何使用Inception-v3作爲卷積網絡

回答

相關問題