【发布时间】：2016-12-22 16:00:03
【问题描述】：
我使用 CNN 进行深度学习已经有一段时间了，我意识到模型的输入总是平方图像。
我看到卷积运算或神经网络架构本身都不需要这种属性。
那么，这是什么原因呢？
【问题讨论】：
标签： neural-network artificial-intelligence deep-learning
【发布时间】：2016-12-22 16:00:03
【问题描述】：
来自苏哈斯·皮莱：
问题不在于卷积层，而在于全连接 网络层，需要固定数量的神经元。对于 例如，以一个小的 3 层网络 + softmax 层为例。如果前 2 层是卷积+最大池，假设维度是 卷积前后相同，池化减少了 dim/2 ，即 通常情况下。对于 3*32*32(C,W,H) 的图像，其中包含 4 个过滤器 第一层和第二层的6个过滤器，之后的输出 第 2 层末尾的卷积 + 最大池化，将是 6*8*8 ，而对于 3*64*64 的图像，在第 2 层输出的末尾 将是 6*16*16。在进行全连接之前，我们将其扩展为 单个向量（6*8*8=384 个神经元）并进行全连接操作。 所以，你不能有不同维度的全连接层 不同尺寸的图像。解决这个问题的一种方法是使用空间金字塔 池化，您将最后一个卷积层的输出强制为 将其汇集到固定数量的箱（即神经元）中，以便完全 连接层具有相同数量的神经元。您也可以全面检查 卷积网络，可以拍摄非方形图像。
【讨论】：
没有必要使用方形图像。我看到了两个“原因”：
- 缩放：如果图像是从另一个纵横比（以及横向/纵向模式）自动缩放的，这通常会引入最小的错误
- 出版物/可视化：方形图像易于一起显示
【讨论】：
因为方形图像令人赏心悦目。但是当领域需要时，有非方形图像的应用程序。例如 SVHN 原始数据集是多位数字的图像，因此矩形图像用作 convnet 的输入，如here
【讨论】：