cnn输入层_CNN中使用卷积层替代全连接层训练

在吴恩达的深度学习的卷积神经网络课程中，对于目标识别介绍了一种划窗方法，在该方法的实现中使用卷积层替代最后的全连接(FC)层

例如，在常规的CNN中，最后的部分是FC层，由于其参数与输入数据的大小（H和W）有关，所以训练好了之后就只能预测28x28的规模的图片，如下图这样：

28x28

但是有时候碰到其他规模的图片的话就没办法了，比如下面的这张：

60x60

我希望网络能够根据这张图片给出一组预测。如果是常规的CNN的话，可能需要将这个图片做一些预处理，比如截成若干个28x28的图片，可是有没有与方法能够直接丢给忘了而不需要预处理呢？

肯定是能的，首先，看看普通CNN的结构：

纯手工画的，略丑。上面只把各层输入数据的宽高体现出来了，通道数就只在下面做了标识，理解就好

可以看到，最后一层maxpooling层输出的是1X1大小120个通道的数据，后面就是FC层，接受120个数据作为输入，而且是固定的，所以当以后如果预测的图片大小变化时，最后一层的maxpooling层输出的就不会是1X1大小了，而FC层还是只接受120个数据作为输入

然后，再画一下用卷积层替换FC层的图片：

前面都是一样的，主要变化就是在最后一层maxpooling之后：

后面用了两个shape为：（120，120，1，1）的卷积核进行卷积，保持和上面的规模不变，最后在用一个（10，120，1，1）的卷积核进行卷积，输出1X1X10的数据，然后就可以丢给softmax进行分类了

这样一来，就算是以后的输入图片的规模变了，也不影响。例如，丢给这个网络一个36X36的图片，最后会输出一个4X4X10的结果，也就是相当于将这张36X36的图片以8的步长分成了4个28X28的图片，然后对这4个28X28的图片进行预测：

如上图，大黑框是36X36，红、黄、蓝、绿各自是28X28的一部分，将这张36X36的图片丢进去，也就相当于对4个28X28的部分分别做预测，至于为什么每个部分相差为8，这是由网络中maxpooling层的大小和数量决定的，因为这个网络有3个2X2的maxpooling层，所以就是

经测试，使用卷积层替换FC之后，对于MNIST的训练集，仍能达到0.996的正确率，不过可惜的是，对于预测更大规模的图片，还是不够理想，因为一张图片里各个不同的地方都有数字，而8像素的步长不可避免会切到一些残破的数字，而由于MNIST的训练集都是纯色背景，所以并不能对这种有干扰背景的做很好的预测，但是这个问题主要是由于训练集的不足导致，悲剧的是我也没有其他训练集可以玩了，所以只能理论上推敲一下了