深度学习架构的输入大小有多重要？答案

【问题标题】：How important is the Input Size for Deep Learning Architectures?深度学习架构的输入大小有多重要？
【发布时间】：2017-09-14 23:13:44
【问题描述】：

最近，我一直在玩 MATLAB 的 RCNN 深度学习示例here。在这个例子中，MATLAB 设计了一个基本的 15 层 CNN，输入大小为 32x32。他们使用 CIFAR10 数据集来预训练这个 CNN。 CIFAR10 数据集也有大小为 32x32 的训练图像。后来他们使用一个小的停车标志数据集来微调这个 CNN 以检测停车标志。这个小型停车标志数据集只有 41 张图像；所以他们使用这 41 张图像来微调 CNN，即训练一个 RCNN 网络。这就是他们检测停车标志的方式：如您所见，边界框几乎覆盖了整个停车标志，除了顶部的一小部分。使用代码，我决定使用 PASCAL VOC 数据集微调在 CIFAR10 数据集上预训练的相同网络，但仅适用于“飞机”类。这些是我得到的一些结果：

如您所见，检测到的边界框几乎没有覆盖整个飞机；所以当我评估它们时，这会导致精度为 0。我知道在 MATLAB 示例中提到的原始 RCNN 论文中，输入大小为 227x227，它们的 CNN 有 25 层。这可能是检测不准确的原因吗？ CNN 的输入大小如何影响最终结果？

【问题讨论】：

标签： matlab neural-network deep-learning object-detection

【解决方案1】：

几乎肯定是的！当您通过网络传递图像时，网络会尝试最小化从图像中获取的数据，直到它获得最相关的数据。在这个过程中，输入一次又一次地缩小。例如，如果您向网络中插入一个小于所需图像的图像，则图像中的所有数据可能会在网络中的传递过程中丢失。在您的情况下，您的结果的一个可选原因是网络以有限的分辨率“寻找”功能，并且可能大型飞机的分辨率过高。

【讨论】：