Neural network Caffe：vgg网络的可变输入图像大小

我尝试使用caffe从VGG网络中提取卷积层而不是FC层的特征。在这种情况下，理论输入图像大小可能是任意的。但据了解，VGG网络是在裁剪成224x224像素大小的图像上进行训练的。因此，我在deploy.prototext中定义了一个输入数据层：

layers{
  name: "data"
  type: MEMORY_DATA
  top: "data"
  top: "label"
  transform_param{
    mirror: false
    crop_size:224
    mean_value:129.1863
    mean_value:104.7624
    mean_value:93.5940
  }
  memory_data_param{
    batch_size:1
    channels:3
    width:224
    height:224
  }
}

---

我试图修改宽度=500\height=500\crop\u size=500，但失败了。Caffe抛出了一些错误：“无法从层“fc6”复制参数0权重；形状不匹配。源参数形状为1 1 4096 25088（102760448）；目标参数形状为4096 131072（536870912）。若要从头学习此层的参数，而不是从保存的网络复制，请重命名该层。”

---

我怎么可能在输入层太大的图像上运行而不进行裁剪？

您应该首先将图像大小调整为224x224，因为VGG是根据该分辨率进行训练的。以更高的分辨率提取特征是没有意义的。

---

对于大小调整和裁剪，您可以使用我的专用图像数据层：

您应该首先将图像大小调整为224x224，因为VGG是根据该分辨率进行训练的。以更高的分辨率提取特征是没有意义的。

---

对于大小调整和裁剪，您可以使用我的专用ImageData层：

或者您对图像使用完全相同的大小，或者您对密集层进行重新训练以获得新的图像大小

---

您可以重复使用卷积核，但不能对不同的图像大小重复使用密集层。

或者为图像使用完全相同的大小，或者为新的图像大小重新训练密集层

---

您可以重复使用卷积核，但不能为不同的图像大小重复使用密集层。

请发布准确的错误。无法从层“fc6”复制参数0权重；形状不匹配。震源参数形状为1409625088（102760448）；目标参数形状为4096131072（536870912）。若要从头开始学习该层的参数，而不是从保存的网络复制，请重命名该层。@Shai请帮助！请发布准确的错误。无法从层“fc6”复制参数0权重；形状不匹配。震源参数形状为1409625088（102760448）；目标参数形状为4096131072（536870912）。若要从头开始学习该层的参数，而不是从保存的网络复制，请重命名该层。@Shai请帮助！