【AI-1000问】为什么深度学习图像分类的输入多是224*224
文章首發(fā)于微信公眾號《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！
那我們這個新專欄會有什么特色呢？主要從內(nèi)容選擇，目標(biāo)受眾，創(chuàng)作風(fēng)格三個方面來講述。
?
1、內(nèi)容選擇
因為我們有綜述專欄，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，我們這一個專欄不會選擇那些“大”問題，不會選擇需要長篇分析的問題，也不會選擇需要很強的實踐操作的問題。
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
-
普通但是不簡單
-
可以引申很多思考
不會入選的內(nèi)容比如：“目標(biāo)檢測的最新進展”，“tensorflow的最新API”，“Mask RCNN文章閱讀”等等之類的文章。
會入選的內(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)為未來機器學(xué)習(xí)技術(shù)/AI技術(shù)是每一個人都可以掌握，使用的技術(shù)，因此，我們這一個專欄不再只是面向從事相關(guān)工作的朋友，不會像其他專欄的文章那樣對基礎(chǔ)要求高。
目標(biāo)受眾包括：
-
AI領(lǐng)域從業(yè)技術(shù)人員
-
其他計算機領(lǐng)域從業(yè)人員
-
AI技術(shù)業(yè)余愛好者
?
3、創(chuàng)作風(fēng)格
這一個專欄以引導(dǎo)思考，普及知識為主，希望減輕閱讀負(fù)擔(dān)，因此不會像其他系列文章那樣清晰地劃分段落，也會適當(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？
做過圖像分類項目或者看過文章的小伙伴們應(yīng)該都知道，在論文中進行各類方法的比較時，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)思考過這個問題嗎？
作者/編輯 言有三
?
我們都知道，一個圖像分類模型，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。
從輸入到最后一個卷積特征feature map，就是進行信息抽象的過程，然后就經(jīng)過全連接層/全局池化層的變換進行分類了，這個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，計算量也更大，所以7*7的大小是一個最好的平衡。
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，圖像的長寬在300分辨率左右。
解答2：所以要找一個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)然了對于實際的項目來說，有的不需要這么大的分辨率，比如手寫數(shù)字識別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分類器性能的影響呢？
轉(zhuǎn)載文章請后臺聯(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)容將會不定期奉上，歡迎大家關(guān)注有三公眾號 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的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【AI初识境】如何增加深度学习模型的泛化
- 下一篇： 【AI-1000问】为什么LeNet5倒