关于resnet网络输入图片尺寸任意大小的问题

最新推荐文章于 2024-05-24 11:26:12 发布
最新推荐文章于 2024-05-24 11:26:12 发布
阅读量1.4w 收藏 33
点赞数 9
分类专栏： 2D人脸识别 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bianlongpeng/article/details/108055661
版权

最近在做图像分类时查阅了一些相关资料发现输入的图片大小并非是固定大小224*224，因此很疑惑，查阅了一些资料发现了以下解答：

版本框架：pytorch，模型加载来自torchvision

 对应链接为：https://discuss.pytorch.org/t/how-can-torchvison-models-deal-with-image-whose-size-is-not-224-224/51077

进一步的pytorch是如何做到自适应输入图片大小的？答案在AdaptiveAvgPool2d层，如下：

知乎的链接写的很全，可以详细看下：https://www.zhihu.com/question/282046628

希望对疑惑的小伙伴有所帮助

lrwin_bian
关注
  • 9
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
为何pytorch预训练的resnet模型对输入图片的大小无要求？
thequitesunshine007的博客
09-23 1万+
原本的ResNet18模型对于输入的训练图像是有严格的大小限制的，规定的大小为224*224。但是最近发现Pytorch中预训练的resnet模型时，输入图片的大小为200*200或者是其他尺寸时也可以。 于是就好奇到底是什么原因。 1，RESNET-18网络图示理解 17个卷积层（conv）+1个全连接层（fc） 提示： BN 就是批量归一化 RELU 就是**函数 lambda x:x 这个函数的意...
神经网络训练数据集大小,神经网络输入图片大小
Supermen333的博客
09-16 2971
卷积神经网络有以下几种应用可供研究：1、基于卷积网络的形状识别物体的形状是人的视觉系统分析和识别物体的基础，几何形状是物体的本质特征的表现，并具有平移、缩放和旋转不变等特点，所以在模式识别领域，对于形状的分析和识别具有十分重要的意义，而二维图像作为三维图像的特例以及组成部分，因此二维图像的识别是三维图像识别的基础。另外是输入的问题，图象一般会先提取特征，再将特征作为输入。然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类性能影响很大，甚至提取的特征的顺序也会影响最后的分类性能。
修改resnet适应不同大小的输入
realjc的博客
11-03 4408
resnet由于最后的全连接层参数固定，为了适应不同大小的输入。要么对输入图像进行crop或者padding，要么修改网络。下面是LearnOpenCV提供的一种修改网络的方式。 将最后的池化层由AdaptiveAvgPool2d 改为 AvgPool2d 将全连接层替换为卷积层。 class FullyConvolutionalResnet18(models.ResNet): def __init__(self, num_classes=1000, pretrained=False, **kw
第11周：ResNet-50算法实战与解析（Pytorch实现）
weixin_46620278的博客
05-24 1023
🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)说在前面本周学习目标：了解残差结构，根据原始的Tensorflow代码、编写出响应的Pytorch代码解决问题：识别小鸟的种类我的环境：Python3.8、Pycharm2020、torch1.12.1+cu113。
pytorch笔记：04)resnet网络&解决输入图像大小问题
热门推荐
Javis486的专栏
03-20 7万+
因为torchvision对resnet18-resnet152进行了封装实现，因而想跟踪下源码(^▽^) 首先看张核心的resnet层次结构图(图1)，它诠释了resnet18-152是如何搭建的，其中resnet18和resnet34结构类似，而resnet50-resnet152结构类似。下面先看resnet18的源码 图1 resnet18 首先是models.resnet18...
重新设置神经网络输入图片大小代码
05-24
神经网络
resnet的图片
10-03
res net的拓扑图图片
pytorch下输入输出图像尺寸计算
shY Pa
07-14 7797
1、https://blog.csdn.net/qq_21997625/article/details/87252780 https://blog.csdn.net/u012932178/article/details/80731735 https://blog.csdn.net/g11d111/article/details/82665265 https://blog.csdn.net/g...
图片分类比resnet好的网络.zip
10-21
本资料包中的"图片分类比resnet好的网络"可能包含了一些最新的或经过优化的图像分类模型，这些模型在某些方面表现出了优于ResNet的特性。 1. **深度学习与ResNet**：ResNet的核心思想是通过引入残差块（Residual ...
基于ResNet网络模型的花卉识别研究
最新发布
06-25
【作品名称】：基于ResNet网络模型的花卉识别研究 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：ResNet.ipynb 中...
人工智能-残差神经网络-基于Keras+Tensorflow搭建，提供ResNet50神经网络的图片分类平台
06-17
基于Keras+Tensorflow搭建，提供ResNet50神经网络的图片分类平台
调用resnet预训练模型进行图片分类.zip
01-07
调用resnet预训练模型进行图片分类
为什么传统CNN结构神经网络的输入图片尺寸是固定的？
weixin_45074568的博客
03-16 1845
对于CNN来说，一张图片经过conv和pooling时，这些层是不关心图片大小的。比如对于一个卷积层，output_size=(input_size - kernel_size)/stride + 1,它并不关心输入图片的尺寸大小，但是经过若干次conv和pooling后，要经过flatten操作送入FC层中，此时我们得提前设置好hidden layer中神经元的个数，这一步需要考虑经过flatten后的大小，所以传统的CNN结构神经网络的输入图片尺寸必须是固定的，例如AlexNet，VGG,ResNet
数据集的图片尺寸与想用的网络默认输入尺寸不匹配怎么办？--torch实现
weixin_42630613的博客
04-04 7484
修改数据集图片尺寸以适应现有网络的输入？ 这是个方法： model_vgg = vgg(include_top=False, weights='imagenet', input_shape=(48, 48, 3)) # 选择imagnet,会选择当年大赛的初始参数 # include_top=False 去掉最后3层的全连接层看源码可知 ...
14 OPENVINO intermediate course6 使用Resnet-50进行图片分类
THE ORDER
03-25 519
使用Resnet-50进行图片分类1 说明2 实验目的3 任务内容4 实验原理一、ResNet-50结构介绍二、SqueezeNet1.1与ResNet-50比较5 操作步骤6 实验状况 1 说明 本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过，若需要代码移植，请务必检查环境配置是否与本实验环境相同。 2 实验目的 1、了解Resnet-50网络模型的特点。 2、掌握Resnet-50网络模型的使用方法。 3 任务内容 1、使用模型
深度学习（3）：ResNet--图像预处理
weixin_41847115的博客
11-30 1万+
152层的 Resnet的图片输入尺寸为224*224，那对于大多数情况，图片的分辨率都是大于这个数值，那么该如何把图片的尺寸裁剪到这样一个尺寸，又如何进行数据增强呢？ 第一，调整尺寸(Rescaling) 先将图片较短的那条边，随机缩放到[256,480]这样一个范围内。注意，此时的图片是等比例缩放的。举个例子，原始图片的尺寸为[1000,800,3]，假设图片短边缩放到256，那么此时图片的...
（五）深度学习入门之使用resnet对图像进行简单分类(cifar10数据集)
xuzkbd的博客
02-20 5677
resnet即参差网络 原论文为：Deep Residual Learning for Image Recognition resnet用到的主要思想有两个： 1.当图像数据的长宽缩小时，会导致丢失一定的图像特征，所以这个时候需要增加图像数据的通道数。 2.为了防止加深训神经网络的层次时，训练效果比未加深网络前差，当图像数据经过两个神经网络层时，输出的数据应加上原输入数据，作为下一层网络的输入数据...
基于ResNet的图片分类问题实战
john_bee的博客
02-16 1365
在kaggle上的一个分类问题竞赛
PyTorch对ResNet网络的实现解析
JiYou的博客
07-30 558
PyTorch对ResNet网络的实现解析 我在博客园的这篇文章 1.首先导入需要使用的包 import torch.nn as nn import torch.utils.model_zoo as model_zoo # 默认的resnet网络，已预训练 model_urls = { 'resnet18': 'https://download.pytorch.org/models/re...
resnet输入图片尺寸的确定
03-30
ResNet是一种深度卷积神经网络，用于图像分类和目标检测等计算机视觉任务。对于ResNet，输入图片的尺寸是固定的，并且通常为224x224像素。 这个尺寸的确定是基于以下几个因素： 1. 训练数据集：ResNet最初是在ImageNet数据集上进行训练的，该数据集中的图像尺寸为224x224。因此，为了保持一致性，输入图片的尺寸也被设置为224x224。 2. 网络结构：ResNet使用了一系列的卷积层和池化层来提取图像特征。这些层的设计是基于224x224尺寸的输入图片进行优化的。 3. 计算资源：较大的输入图片尺寸会导致更多的计算量和内存消耗。为了在有限的计算资源下实现高效的训练和推理，选择较小的尺寸可以提高效率。 总结起来，ResNet的输入图片尺寸确定为224x224是为了与训练数据集保持一致，并且考虑到网络结构和计算资源的因素。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值