Caffe：可变输入图像大小

Question

我正在尝试使用 Caffe 的 Google 的 deepdream code。 他们使用由 ModelZoo 提供的在 ImageNet 上预训练的 GoogLeNet 模型。这意味着该网络是在裁剪为 224x224 像素大小的图像上进行训练的。来自train_val.prototext：

layer {            
  name: "data"     
  type: "Data"     
  ...

  transform_param {
     mirror: true   
     crop_size: 224
  ... 

用于处理的deploy.prototext还定义了一个大小为224x224x3x10的输入层（RGB图像大小为224x224，batchsize 10）。

name: "GoogleNet"
input: "data"
input_shape {
  dim: 10
  dim: 3
  dim: 224
  dim: 224
}

但是我可以使用这个网络来处理任何尺寸的图像（上面的示例使用了 1024x574 像素之一）。

1. deploy.prototext 没有将 caffe 配置为使用裁剪。
2. deepdream code中的预处理只做贬义，这里也没有裁剪

我怎么可能在对于输入层来说太大的图像上运行？

---

完整代码见here

Answer 1

DeepDream 根本不裁剪输入图像。
如果你仔细观察，你会注意到它在中间层上运行：它的end= 参数设置为'inception_4c/output' 或end='inception_3b/5x5_reduce'，但绝不是end='loss3/classifier'。原因是直到这些层的 GoogLeNet 是一个全卷积网络，也就是说，它可以采用任何大小的输入图像并产生与输入大小成正比的输出（输出大小为通常受 conv padding 和 pooling 的影响）。

要调整网络以适应不同大小的输入，函数deepdream 有一行

src.reshape(1,3,h,w) # resize the network's input image size

这条线调整网络层以适应形状(1,3,h,w) 的输入。