重新训练最后一个 inception 或 mobilenet 层以使用 INPUT_SIZE 64x64 或 32x32

Posted 2023-03-12

【中文标题】重新训练最后一个 inception 或 mobilenet 层以使用 INPUT_SIZE 64x64 或 32x32

【英文标题】：Retrain last inception or mobilenet layer to work with INPUT_SIZE 64x64 or 32x32

【发布时间】：2018-01-17 12:15:14

【问题描述】：

我想重新训练最后一个 inception 或 mobilenet 层，以便对我自己的对象进行分类（大约 5-15 个） 我还希望它可以与 INPUT_SIZE == 64x64 或 32x32 一起使用（而不是像默认初始模型那样的 224）

我发现了一些关于再训练模型的文章： https://hackernoon.com/creating-insanely-fast-image-classifiers-with-mobilenet-in-tensorflow-f030ce0a2991 https://medium.com/@daj/creating-an-image-classifier-on-android-using-tensorflow-part-3-215d61cb5fcd

他们说对于mobilenet

输入图像大小，“224”、“192”、“160”或“128”

所以我不能用 64 或 32 训练（这很糟糕）https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py#L80

初始模型呢？我能否以某种方式训练模型以处理较小的图像输入尺寸（以更快地获得结果）？

我想从这些小图像中分类的对象将已经从其父图像（例如从相机帧）中裁剪出来，它可能是由最快的级联分类器 (LBP/Haar) 裁剪的交通/道路标志，这些分类器被训练为检测所有看起来像标志形状/图形的东西（三角形/菱形，圆形） 因此，完全包含/仅包含感兴趣对象的 64x64 图像应该足以进行分类

【参考方案1】：

不，您仍然可以，使用最小的选项，即 128。它只会将您的 32 或 64 图像放大，这很好。

【参考方案2】：

分类器是不可能的

但是 tensorflow 对象检测 api 成为可能（我们可以设置任何输入大小）https://github.com/tensorflow/models/tree/master/research/object_detection