machine-learning - CNN 能否按指定比例减小输入大小

Question

我有一个完全卷积的 CNN，并且通过使用“相同”填充和步长 1，将其设计为具有完全相同的输出大小是没有问题的。

但是，我遇到图像转换问题，需要将输出大小调整为 (W/26, H/15)，其中 (W, H) 是输入的大小。 (预先调整图像大小是有问题的，在我们的例子中这不是一个选项)

我通过使用公式来理解:O = (I - F +2P )/s + 1。地点:

• O:输出大小
• I:输入大小
• F:过滤器大小
• P:填充
• s:步幅

我也许可以使用一些非常奇怪的过滤器大小来实现这一点。但是是否有系统或有组织的方法来构建这样的网络以减少输入大小？

Answer 1

仅通过过滤器大小和步幅来获得精确的输出大小会给您带来一些麻烦。

我的两分钱:只要输出的大小特别奇怪(例如 (w//26, h//15))，插值层可能会帮助您达到该特定大小.

例如:

• 您可以使用 PyTorch torch.nn.functional.interpolate .
• tensorflow tf.image.resize