数据挖掘 - 您可以使用完全卷积网络进行二元分类吗？ - 吾爱随笔录

我知道完全卷积网络可以用于图像分割和类似的，但我想知道你是否也可以将它们应用于简单的图像分类任务。如果是这样，正确的方法是什么（在pytorch中）？

想象一下，我们有大小为 30x30 的猫和狗的 RGB 图像以及以下（演示）网络。

class NormalNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.first_layer = nn.Conv2d(3, 1, (3, 3))
        self.fc = nn.Linear(784, 2)

    def forward(self, x):
        x = self.first_layer(x)
        x = x.reshape(-1, 784) 
        return self.fc(x)


class FullyConvolutionalNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.layer = nn.Conv2d(3, 2, (30, 30))

    def forward(self, x):
        x = self.layer(x)
        return x.reshape(-1, 2)

然后你可以使用：

sample_image = torch.rand((10, 3, 30, 30))
normal_network = NormalNetwork()
fully_convolutional_network = FullyConvolutionalNetwork()
ret1 = normal_network(sample_image)
ret2 = fully_convolutional_network(sample_image)

并且这两个网络都会返回一个维度的张量，torch.Size([10, 2])然后可以将其馈入一个BCELoss或类似的。这是一种正确的方法还是出于某种原因这很糟糕？