深度网络在物体检测中如何接受不同尺度的图像？

Question

使用 MatConvNet 构建的网络接受不同尺度的图像并对其进行评估。例如：-

%img is an image of size 730*860*3
%net is loaded DagNN obj
scales = [-2 -1 0 0.5 1]
for s = 2.^scales
    img = imresize(raw_img, s, 'bilinear');
    img = bsxfun(@minus, img, averageImage);
    inputs = {'data', img};
    net.eval(inputs);
end

在调试时，我发现img 调整了大小并评估了循环的每次迭代。但是网络（net）应该接受固定图像。作为 -

K>> net

net = 

  DagNN with properties:

                 layers: [1x319 struct]
                   vars: [1x323 struct]
                 params: [1x381 struct]
                   meta: [1x1 struct]
                      m: []
                      v: []
                   mode: 'test'
                 holdOn: 0
    accumulateParamDers: 0
         conserveMemory: 1
        parameterServer: []
                 device: 'cpu'

加载经过训练的网络后：-

K>> net.vars(1, 1).value

ans =

     []

在for 循环内:-(iter 1)

K>> net.vars(1, 1).value

ans =

     [64 64 3]

（迭代 2）

K>> net.vars(1, 1).value

ans =

     [160 160 3]

等等.... 那么 DagNN 如何处理此类输入并评估自身？（我是 MatConvNet 的新手，在文档中找不到任何帮助。所以请回答这个问题并建议如何在 keras 中构建这些东西）

Answer 1

一般来说，ConvNet 不关心图像的输入大小。所有层都在执行类似卷积的操作（例如，即使池化在空间上也表现得像卷积）。如果您提供大量输入，您将获得大量输出。唯一关心输入大小的是损失层。如果您没有损失层，则代码根本不会中断。 MatConvNet 中没有全连接层，一切都是卷积的。

顺便说一句，这就是为什么一些早期从事 ConvNet 工作的人认为 FCN 是一个有趣的名字的原因，因为全连接层和卷积层之间真的没有区别。