Python 用Keras实现图像金字塔

为了在CNN模型上获得尺度不变性（或检测任何尺度的对象），我想实现。正如本文所解释的，在创建图像金字塔时，图像会经过重复的平滑和子采样

我正在Keras安装CNN。Keras有没有办法实现图像金字塔？我读到说用它来达到金字塔的效果

---

这是对的吗？

averagepoolig2d

层如何产生金字塔效应

实现您目标的一个CNN架构是U-Net，最初由论文介绍

它使用一系列卷积层和池层来创建金字塔。请注意，它不是输入图像的图像金字塔，但其目的是了解在不同尺度下有用的内容，而不是直接向金字塔馈电

---

现在，想想

averagepoolig2d

是如何工作的。选择原始图像的面片，将其替换为平均值，然后移动到下一个面片。这正是您在生成图像金字塔时所描述的：平滑是通过平均来实现的，用一个像素替换面片是一种下采样。

好的。因此，

averagepoolig2d

将平滑并减少图像采样。

MaxPooling2D

是否也会产生金字塔效果？确实如此，但它只是通过在每个面片中拾取最大的像素来减少采样，并不会使其平滑。我正在阅读关于。它不使用

平均池2D

层。但它确实使用了

MaxPooling2D

层。据我所知，金字塔结构有助于获得尺度不变性。不使用

AveragePoolig2D

和使用

MaxPoolig2D

的直觉是什么。你有什么想法吗？它们都导致金字塔的形成和尺度不变性。这里有一些细微的差别，我认为在这里可以很好地表现出来：。最大池在某种程度上保留了最相关的功能，而平均池可以降低它们的重要性。归根结底，这也是一个试验什么最有效的问题。