Может перегружать работу на архитектурах Re sNet или Inception.

Question

Я знаком с принципом, как работает Overfeat, чтобы не только классифицировать, но и локализовать объект в изображении, используя только сверточные слои вместо полностью связанных слоев в конце. Тем не менее, каждый учебник или объяснение, которое я читаю, говорит об эле xnet или очень простой c нейронной сети, состоящей из нескольких последовательных сверточных слоев, за которыми следуют 2-3 полностью соединенных слоя для классификации изображения. Однако мой вопрос звучит так: можно ли изменить более сложную сеть, такую ​​как Re sNet или Inception, в которой не используются стандартные методы последовательного сверточного слоя, как в Ale xnet или VGG?

Спасибо

Answer 1

Добро пожаловать и да. Глядя на очень упрощенную диаграмму, такую ​​как this , все, что находится слева от разделенных стрелок «F C» («полностью подключен» или «плотный»), может быть любого типа (что обычно называется an) сеть классификации изображений, например, в Keras Applications , которая включает VGG, Re sNet, Inception, Xception и др. c. Для сетей такого типа вход, очевидно, является изображением, а выход иногда называют «картой возможностей» (хотя это немного глупо - посмотрите на вывод, и вы поймете - как обычно гораздо более похожая на постмодернистскую карту, чем на картографию c один).

Итак, ответ на ваш вопрос - да: поставьте любую сеть, какую хотите, перед окончанием «переиграть», будь то обычай или нет, но знайте, что он предназначен для использования в качестве некоторой общей сверточно-редукционистской модели, такой как Re sNet, Inception и др. c. Любая сеть, которая принимает изображение и выплевывает объединенную или сглаженную (1-мерную) форму «карты характеристик» в 3 измерениях, - это то, что, по-видимому, предназначено для этой концепции «избыточного качества».