Image processing 不同图像大小的迁移学习（VGG、ResNet）_Image Processing_Deep Learning_Conv Neural Network_Transfer Learning

Image processing 不同图像大小的迁移学习（VGG、ResNet）

image-processing deep-learning

Image processing 不同图像大小的迁移学习（VGG、ResNet）,image-processing,deep-learning,conv-neural-network,transfer-learning,Image Processing,Deep Learning,Conv Neural Network,Transfer Learning,我希望使用迁移学习来处理图像，我的图像有不同的大小。我认为一般来说，卷积层可以接受可变的输入大小，但完全连接的层只能接受特定大小的输入。然而，VGG-16或ResNet50的Keras实现可以采用大于32x32的任何图像大小，尽管它们具有完全连接的层。我想知道如何为不同的图像尺寸获得固定的完全连接层大小非常感谢您所说的是误导性的，您可以使用任何大于32x32的输入图像大小构建VGG/ResNet Keras模型，但一旦构建了模型，您就无法更改输入大小，这通常就是问题所在。因此，模型无法真

我希望使用迁移学习来处理图像，我的图像有不同的大小。我认为一般来说，卷积层可以接受可变的输入大小，但完全连接的层只能接受特定大小的输入。然而，VGG-16或ResNet50的Keras实现可以采用大于32x32的任何图像大小，尽管它们具有完全连接的层。我想知道如何为不同的图像尺寸获得固定的完全连接层大小

非常感谢

您所说的是误导性的，您可以使用任何大于32x32的输入图像大小构建VGG/ResNet Keras模型，但一旦构建了模型，您就无法更改输入大小，这通常就是问题所在。因此，模型无法真正拍摄可变大小的图像