我正在实施 YOLO 网络并且有一些问题。在原始论文中，作者说：“对于预训练，我们使用图 3 中的前 20 个卷积层，然后是平均池化层和全连接层”。他们还报告说他们使用 ImageNet 1000 类数据集和 224x224 输入大小而不是 448x448
我的问题如下：
1）平均池化层内核的大小是多少？2x2？
2) 作者如何将输入大小减小到 224x224？他们省略了第一层吗？
YOLO 预训练
数据挖掘
计算机视觉
卷积
约洛
2022-02-24 21:51:19
1个回答
1）使用平均池化层（至少在这里）的目标是在它之后有一个向量。这样你就有了一个完全连接的层向量。
在 Yolo 中，全连接层之前的层似乎是 7x7x1024。下一层，全连接层，是 4096（或 1x1x4096）。这意味着您需要一个具有 7x7 内核和 4096 个过滤器 (7x7x4096) 的平均池化层。
也许看看Alexis Cook对 Global Average Pooling 的解释。
2）我不太明白你的第二个问题，所以如果我回答错误，请随时发表评论：
224x224 的维度是用于网络的预训练。首先，他们使用 imagenet 训练他们的网络进行图像分类，例如 VGG、Inception 或densenet 等网络。训练完成后，他们在开始时添加一个新层，输入大小为 448x448。他们用这个新的图像识别层再次训练了网络。
其它你可能感兴趣的问题