Fatal编程技术网

Neural network 为非方输入微调VGG或AlexNet

neural-network deep-learning

Neural network 为非方输入微调VGG或AlexNet,neural-network,deep-learning,conv-neural-network,caffe,vgg-net,Neural Network,Deep Learning,Conv Neural Network,Caffe,Vgg Net,VGG和AlexNet等需要方形尺寸的固定图像输入（H==W）。如何微调或以其他方式执行网络手术，以提供非方形输入 仅供参考，我正在使用Caffe，并打算为非方形图像输入提取FC7特征。对于网络的卷积部分-输入大小并不重要：输出的形状将随着输入大小的改变而改变。 但是，当涉及到“InnerProduct”层时，权重的形状是固定的，由输入大小决定 您可以执行将“InnerProduct”层转换为“卷积”层的操作：这样，您的网络可以处理任何大小的输入。但是，输出的形状也会有所不同 另一种选择是根据新

VGG和AlexNet等需要方形尺寸的固定图像输入（
H
==
W
）。如何微调或以其他方式执行网络手术，以提供非方形输入

仅供参考，我正在使用Caffe，并打算为非方形图像输入提取
FC7
特征。

对于网络的卷积部分-输入大小并不重要：输出的形状将随着输入大小的改变而改变。
但是，当涉及到
“InnerProduct”
层时，权重的形状是固定的，由输入大小决定

您可以执行将
“InnerProduct”
层转换为
“卷积”
层的操作：这样，您的网络可以处理任何大小的输入。但是，输出的形状也会有所不同

另一种选择是根据新的固定的输入大小定义网络，重新使用所有已学习的协解权重，只微调完全连接层的权重。

如果我将内积层转换为卷积层，如何提取1D特征向量？（注意：我的目标是为图像搜索提取特征）