VGG net

Question

ile Cifar verileri Finetuning Orijinal VGG ağı 256x256x3 boyutundaki girişi kabul eder. Cifar-10 verilerini eğitmek için verileri 256x256x3 olarak yeniden boyutlandırmam gerekir mi? Yoksa başka yolu var mı?

32x32x3 boyutundaki Cifar-10 verilerini kullanarak VGG ağını ince ayar yapmaya çalışıyorum.

Answer 1

Cifar-10 verilerini VGG'de eğitmek için 256x256x3 boyutundaki giriş verisini vermeniz gerekecektir. Bu görüntü yeniden boyutlandırmaya bakmak için çeşitli giriş katmanları parametreleri dönüştürür. Ancak, 32x32 görüntüyü 256x256 değerine yükseltmek, görüntü verilerinin önemli bir kısmı, mevcut 32x32 görüntü verisinden bir yaklaşımla oluşturulduğu için iyi bir yöntem değildir. Bu yüzden bunu önermiyorum. Ancak bu sadece bir demo VGG finişlemeyi denemekse, dönüşüm parametresini ayarlayarak bunu yapabilirsiniz.

Answer 2

VGG-16, küçük görüntüler için çok karmaşık olduğundan, daha küçük resimler için VGG'nin indirgenmiş sürümünü kullanmalısınız.

Bu modeli sorun için daha iyi çalışır ve bir gpu ile tüm yetiştirmek zor değil düşünüyorum:

model = Sequential() 

model.add(Conv2D(32, (3, 3), padding='same', 
       input_shape=x_train.shape[1:])) 
model.add(Activation('relu')) 
model.add(Conv2D(32, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Conv2D(64, (3, 3), padding='same')) 
model.add(Activation('relu')) 
model.add(Conv2D(64, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Flatten()) 
model.add(Dense(512)) 
model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(num_classes)) 
model.add(Activation('softmax'))