移动网络分辨率乘数的内部工作原理 - 它有什么作用？

数据挖掘 机器学习 机器学习模型 卷积 图片大小 图片
2022-03-17 00:24:49

我对 Mobile Net 的分辨率参数的工作方式有疑问。从文章本身和有关该主题的博客文章（1、2）中，我无法找到我的问题的答案。据说“分辨率乘数改变了图像的输入尺寸，减少了每一层的内部表示”。这是否意味着它（参数）：

A) 将每个图像分解为例如各自的 224x224 位像素子图像，网络在这些子图像上运行其卷积？

或者

B) 例如，从图像的中间获取一个 224x224 像素切片，网络在其上运行卷积？

或者

C) 将原始图像压缩成自身的 224x224 像素表示，网络在其上运行其卷积？

1个回答

我联系了移动网络架构和论文的作者，他们给了我以下答案：

乘法器完成了 C) 中所阐述的内容：它充当原始输入图像的重新缩放以适应参数指定的值。默认图像大小为 224x244，对应于分辨率乘数 1.0。因此 112x112 输入图像分辨率对应于 0.5 分辨率乘数，只需将图像缩小到 112x112 即可实现。从技术上讲，我们缩放较小的一侧以定位和裁剪其他尺寸。

我希望这对其他人和我一样有帮助。

其它你可能感兴趣的问题
上一篇谁能解释这篇文章背后的原因？ 下一篇数据科学家如何测试模型声称的准确性？