根据用于迁移学习的预先训练的计算机视觉模型（例如，here）的文档，输入图像应该以“形状的3通道RGB图像（3 x H x W）的迷你批（mini-batch）”的形式出现，其中H和W预计至少为224。然而，当在高度和宽度小于预期（例如，小于224）的3通道图像上运行迁移学习实验时，网络通常平稳地运行并且经常获得不错的性能。因此，在我看来，“最低高度和宽度”似乎是一种惯例，而不是一个关键参数。我是否遗漏了什么？
klr1opcd1#
与网络最后一个卷积层的感受野相对应的输入大小是有限制的。直观地说，您可以观察到空间维度随着网络的前进而减小。至少对于旨在从输入图像中提取特征嵌入的特征提取器CNNs是这样的。这是大多数预训练模型，如香草VGG、和ResNets网络不保留空间维度。如果卷积层的输入小于内核大小（即使填充），那么您将无法执行该操作。
yptwkmov2#
TLDR：自适应池化层例如，标准的resnet 50模型只接受193-225范围内的输入，这是由于架构和向下缩放层（见下文）。默认pytorch模型工作的唯一原因是它使用了自适应池层，允许不限制输入大小。所以它会工作，但你应该准备好性能下降和其他有趣的事情：）
希望对您有用：
2条答案
按热度按时间klr1opcd1#
与网络最后一个卷积层的感受野相对应的输入大小是有限制的。直观地说，您可以观察到空间维度随着网络的前进而减小。至少对于旨在从输入图像中提取特征嵌入的特征提取器CNNs是这样的。这是大多数预训练模型，如香草VGG、和ResNets网络不保留空间维度。如果卷积层的输入小于内核大小（即使填充），那么您将无法执行该操作。
yptwkmov2#
TLDR：自适应池化层
例如，标准的resnet 50模型只接受193-225范围内的输入，这是由于架构和向下缩放层（见下文）。默认pytorch模型工作的唯一原因是它使用了自适应池层，允许不限制输入大小。所以它会工作，但你应该准备好性能下降和其他有趣的事情：）
希望对您有用：