如何衡量(评价)神经网络对目标细节的刻画精度？

我们知道VGG,Googlenet,Resnet152可以实现很高的识别准确度，不过实际应用时大部分情况是无法使用这么大的网络的，经常是使用精简后的网络模型，但是精简后往往会发现识别精度迅速下降，给模型设计和调试带来很大不确定性

从常理我们知道，网络越深越复杂，可以拟合的特征越精细，所以Alexnet无法分辨的一些细节特征，例如鸟的嘴长嘴短，或者飞机引擎粗一点还是细一点，Googlenet跟Resnet可以拟合到，对特征刻画的更细致，所以后者网络分类准确性更高。但是这只是理论上如此，具体如何衡量细节的细致化程度？没有公式以及相关理论.......

如何知道每一层网络可以刻画多少目标细节，或者多少层网络可以刻画到目标的本质特征？

如果知道这个的话，那网络识别可靠性就高多了，希望可以找到可以量化的刻画精度。

题外话，如果网络不够复杂，提取的特征比较粗糙，虽然通过其他手段也能在训练集实现很高的准确率，但是泛华能力不好，为什么不好，因为他特征抓的不细，可能只是抓住了部分特征，然后在训练集强行拟合出高准确率。

 

www.intelvisioncn.com