在灰度图像网络上训练的 VGG16

Posted 2023-03-12

【中文标题】在灰度图像网络上训练的 VGG16

【英文标题】：VGG16 trained on grayscale imagenet

【发布时间】：2018-07-15 18:23:24

【问题描述】：

我发现 VGG16 网络在（彩色）imagenet 数据库（如 .npy）上进行了预训练。是否有在可用的 imagenet 数据库的灰度版本上预训练的 VGG16 网络？

（在灰色 1 通道输入上使用 conv1.1 层的 3 通道过滤器的通常“技巧”对我来说是不够的。我正在寻找网络性能的增量改进，所以我需要看看当预训练模型“查看”灰度输入时迁移学习的表现如何）。

谢谢！

【问题讨论】：

我认为没有可用的。您可以自己训练一个人使用 Floydhub 等云服务。

感谢卢克的回复。我自己还没有找到一个。我不知道我是否可以获得足够的资源来自己做。我希望有人已经这样做了。

你可以尝试微调预训练的 VGG16

是的，Luke，这就是我在执行迁移学习时所做的（这就是你的意思，对吧？）。但就我而言，正如我通常认为的那样，保持第一个卷积层的系数不变（不可训练）似乎更有效。然而，我希望在巨大的灰度图像网络上对这些（第一层）系数进行预训练。

很想知道您是否在训练时尝试冻结除第一个以外的所有层。然后，一旦稳定了，就开始训练。

【参考方案1】：

@GrimSqueaker 给了你这篇论文的代码：https://openaccess.thecvf.com/content_eccv_2018_workshops/w33/html/Xie_Pre-training_on_Grayscale_ImageNet_Improves_Medical_Image_Classification_ECCVW_2018_paper.html

但是，在其中训练的模型是 Inception v3 而不是 VGG16。

你有两个选择：

使用彩色预训练 VGG16 模型并将一个通道复制到三个通道 在 ImageNet 灰度数据集上训练您的 VGG16 模型。

您可能会发现此链接很有用： https://github.com/zzangho/VGG16_grayscale

【参考方案2】：

是的，有这个： https://github.com/DaveRichmond-/grayscale-imagenet

灰度 imagenet 训练模型，以及在 X 射线上微调的版本。他们表明，Imagenet 的性能几乎没有下降。