文章首發(fā)于微信公眾號(hào)《有三AI》

【AI-1000問】為什么深度學(xué)習(xí)圖像分類的輸入多是224*224

寫在前邊的通知

大家好，今天這又是一個(gè)新專欄了，名叫《有三AI 1000問》，顧名思義，就是以問題為主了！

那我們這個(gè)新專欄會(huì)有什么特色呢？主要從內(nèi)容選擇，目標(biāo)受眾，創(chuàng)作風(fēng)格三個(gè)方面來(lái)講述。

?

1、內(nèi)容選擇

因?yàn)槲覀冇芯C述專欄，有各種垂直領(lǐng)域的非常詳細(xì)的文章，所以從內(nèi)容選擇上，我們這一個(gè)專欄不會(huì)選擇那些“大”問題，不會(huì)選擇需要長(zhǎng)篇分析的問題，也不會(huì)選擇需要很強(qiáng)的實(shí)踐操作的問題。

內(nèi)容選擇的標(biāo)準(zhǔn)是：

• 技術(shù)相關(guān)

• 足夠聚焦

• 容易被忽視

• 普通但是不簡(jiǎn)單

• 可以引申很多思考

不會(huì)入選的內(nèi)容比如：“目標(biāo)檢測(cè)的最新進(jìn)展”，“tensorflow的最新API”，“Mask RCNN文章閱讀”等等之類的文章。

會(huì)入選的內(nèi)容比如：“為什么圖像分類輸入大小多是224*224”，“為什么卷積神經(jīng)網(wǎng)絡(luò)要使用池化”。

?

2、目標(biāo)受眾

我認(rèn)為未來(lái)機(jī)器學(xué)習(xí)技術(shù)/AI技術(shù)是每一個(gè)人都可以掌握，使用的技術(shù)，因此，我們這一個(gè)專欄不再只是面向從事相關(guān)工作的朋友，不會(huì)像其他專欄的文章那樣對(duì)基礎(chǔ)要求高。

目標(biāo)受眾包括：

• AI領(lǐng)域從業(yè)技術(shù)人員

• 其他計(jì)算機(jī)領(lǐng)域從業(yè)人員

• AI技術(shù)業(yè)余愛好者

?

3、創(chuàng)作風(fēng)格

這一個(gè)專欄以引導(dǎo)思考，普及知識(shí)為主，希望減輕閱讀負(fù)擔(dān)，因此不會(huì)像其他系列文章那樣清晰地劃分段落，也會(huì)適當(dāng)?shù)亟档蛢?nèi)容的深度。

創(chuàng)作風(fēng)格是：

• 不嚴(yán)格劃分小節(jié)

• 平衡內(nèi)容深度和可閱讀性

好了，具體內(nèi)容就參考我們的第一期吧，希望你喜歡。

為什么深度學(xué)習(xí)圖像分類里的圖片的輸入大小都是224*224呢？

做過圖像分類項(xiàng)目或者看過文章的小伙伴們應(yīng)該都知道，在論文中進(jìn)行各類方法的比較時(shí)，要求使用同樣的數(shù)據(jù)集。而為了公平的比較，網(wǎng)絡(luò)的輸入大小通常都是224*224的大小，那為什么呢？有同學(xué)思考過這個(gè)問題嗎？

作者/編輯 言有三

?

我們都知道，一個(gè)圖像分類模型，在圖像中經(jīng)歷了下面的流程。

從輸入image->卷積和池化->最后一層的feature map->全連接層->損失函數(shù)層softmax loss。

從輸入到最后一個(gè)卷積特征feature map，就是進(jìn)行信息抽象的過程，然后就經(jīng)過全連接層/全局池化層的變換進(jìn)行分類了，這個(gè)feature map的大小，可以是3*3，5*5，7*7等等。

解答1：在這些尺寸中，如果尺寸太小，那么信息就丟失太嚴(yán)重，如果尺寸太大，信息的抽象層次不夠高，計(jì)算量也更大，所以7*7的大小是一個(gè)最好的平衡。

另一方面，圖像從大分辨率降低到小分辨率，降低倍數(shù)通常是2的指數(shù)次方，所以圖像的輸入一定是7*2的指數(shù)次方。以ImageNet為代表的大多數(shù)分類數(shù)據(jù)集，圖像的長(zhǎng)寬在300分辨率左右。

解答2：所以要找一個(gè)7*2的指數(shù)次方，并且在300左右的，其中7*2的4次方=7*16=112，7*2的5次方等于7*32=224，7*2的6次方=448，與300最接近的就是224了。

這就是最重要的原因了，當(dāng)然了對(duì)于實(shí)際的項(xiàng)目來(lái)說(shuō)，有的不需要這么大的分辨率，比如手寫數(shù)字識(shí)別MNIST就用32*32，有的要更大，比如細(xì)粒度分類。

?

思考

今天的問題就到這里了，不知道，你有沒有留意過不同的輸入大小對(duì)分類器性能的影響呢？

轉(zhuǎn)載文章請(qǐng)后臺(tái)聯(lián)系

侵權(quán)必究

感謝各位看官的耐心閱讀，不足之處希望多多指教。后續(xù)內(nèi)容將會(huì)不定期奉上，歡迎大家關(guān)注有三公眾號(hào) 有三AI！

總結(jié)

以上是生活随笔為你收集整理的【AI-1000问】为什么深度学习图像分类的输入多是224*224的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。