用于训练具有较小图像尺寸的 Alexnet 的参数微调

Question

Alexnet 旨在使用 227x227x3 图像大小。 如果我想训练像 32x80x3 这样更小的图像尺寸，需要微调的参数是什么。

我最初使用 64x80x3 图像大小进行训练，除了第一个 Conv1 层中的步幅外，所有参数都与提供的相同，它已更改为 2。 我实现了非常高的测试精度，高达 0.999。然后在实际使用中，我的检测准确度也相当高。

然后我更喜欢使用较小的图像尺寸 32x80x3。我使用了与在 64x80x3 图像大小中训练的参数相同的参数，但准确度低至 0.9671。 我尝试将 Conv1 层的过滤器大小等参数微调为 5。高斯权重过滤器的标准大小为 10 倍和 100 倍小。但它们都不能帮助达到训练 64x80x3 图像所达到的准确度。

对于较小的图像尺寸进行训练，需要微调哪些参数以实现更高的准确度？ 我使用了 24000 个数据集。 20000 用于训练，4000 用于测试。

对于 32x80x3 和 64x80x3，我使用了相同的图像，只是图像尺寸被编辑为 32x80 和 64x80。

Answer 1

也许您可以训练调整32x80x3 images to 64x80x3 的大小，然后使用类似的参数设置。 另外，也许你可以在这里找到一些有用的东西https://github.com/BVLC/caffe/tree/master/examples/cifar10。 有一些求解器和 train_val 文件用于微调 CIFAR-10，这是一个由小图像组成的数据集。