Deep learning VGGnet的体系结构。什么是多作物密集评估？

我在看VGG16的报纸

在3.2测试中，它说所有完全连接的层都被一些CNN层所取代

即， 完全连接的层首先转换为卷积层（第一个FC层转换为7×7） 转换层，最后两个FC层到1×1转换层）。得到的完全卷积网络是 然后应用于整个（未剪切的）图像。结果是一个类分数图，其中包含 通道数等于类别数，空间分辨率可变，取决于输入 图像大小。最后，为了获得图像的固定大小的类分数向量，对类分数映射进行了优化 空间平均（总和合并）

因此，在测试集上进行预测时，VGG16（配置D）的体系结构将是

input=(224, 224)
conv2d(64, (3,3))
conv2d(64, (3,3))
Maxpooling(2, 2)
conv2d(128, (3,3))
conv2d(128, (3,3))
Maxpooling(2, 2)
conv2d(256, (3,3))
conv2d(256, (3,3))
conv2d(256, (3,3))
Maxpooling(2, 2)
conv2d(512, (3,3))
conv2d(512, (3,3))
conv2d(512, (3,3))
Maxpooling(2, 2)
conv2d(512, (3,3))
conv2d(512, (3,3))
conv2d(512, (3,3))
Maxpooling(2, 2)
Dense(4096) is replaced by conv2d((7, 7))
Dense(4096) is replaced by conv2d((1, 1))
Dense(1000) is replaced by conv2d((1, 1))

那么这个架构只用于测试集

最后3个CNN层是否都有1000个频道

结果是一个类分数图，通道数等于类数

由于输入大小为224*224，最后一个Maxpooling层之后的输出大小将为（7*7）。为什么它说的是可变的空间分辨率？我知道它可以进行多类缩放，但在输入之前会被裁剪成（224224）图像

VGG16是如何得到一个（1000，）向量的？这里的空间平均值是多少？它是否只是添加一个大小为（7，7）的和池层来获得（1，1，1000）数组

类分数图是空间平均值（总和池）

在3.2测试中

此外，多作物评估是对密集评估的补充，因为 对于不同的卷积边界条件：当对作物应用ConvNet时，卷积 特征贴图用零填充，而在密集计算的情况下，填充相同的特征贴图 裁剪自然来自图像的相邻部分（由于卷积和旋转） 空间池（spatial pooling），这大大增加了整个网络的接收范围，因此可以提供更多的上下文 他被捕了

因此，多作物和密集评估将仅用于验证集

假设输入大小为（256，256），多裁剪可能得到（224224，224）图像的大小，其中裁剪图像的中心可能不同，例如

[0:223，0:223]

或

[1:224，1:224]

。我对多作物的理解正确吗

---

什么是密集评估？我试图用谷歌搜索它们，但无法得到相关结果。

将密集层更改为卷积层的主要思想是使推断输入图像大小独立。假设您有（224224）大小映像，那么您与FC的网络将正常工作，但一旦更改映像大小，您的网络将开始抛出大小不匹配错误（这意味着您的网络取决于映像大小）

因此，为了解决这些问题，制作了一个完整的卷积网络，其中特征存储在通道中，而图像的大小使用平均池层或甚至卷积步骤对此维度进行平均（通道=分类类的数量，1,1）。所以，当你将最后一个结果展平时，它将变成*number\u of_classes=channel*1*1*

---

我没有附上一个完整的代码，因为你的完整问题将需要更详细的答案，同时定义大量的基础知识。我鼓励你阅读完整的连接卷积网络来获得这个想法。这很简单，我100%相信你会理解其中的本质。

谢谢你的回答，根据你的建议，我花了一些时间研究完全连接的卷积网络。这些基础变得更加清晰。只有一个问题，如果输入大小是可变的，那么保持架构不变，最终conv层的输出可能会不同，比如（5,5）或（3,3）或（1,1）。这不是预期的大小（1，1，类数）。怎么处理？太好了！！很高兴听到这个消息。现在，在进行分类的情况下，当图像通过卷积运算时，会得到类似（1,1，通道）的输出。然后将阵列展平。您必须确保最后一个conv层的输出通道应等于类的数量。同样，如果您的上一个Conv层的大小为（5,5，channel），则需要将其通过自适应池层，然后将其展平。下面是PyTorch中自适应层的详细信息-