【问题标题】：Can Overfeat work on ResNet or Inception network architecturesOverfeat 可以在 ResNet 或 Inception 网络架构上工作吗
【发布时间】：2020-06-12 08:07:03
【问题描述】：
我熟悉 Overfeat 的工作原理，它不仅可以通过仅使用卷积层而不是最后的全连接层来对图像中的对象进行分类，还可以对其进行定位。但是，我阅读的每个教程或解释都在谈论 alexnet 或一个非常基本的神经网络，该网络由几个连续的卷积层和 2-3 个全连接层组成，用于对图像进行分类。但是我的问题如下，是否可以修改不使用 Alexnet 或 VGG 中的标准连续卷积层技术的更复杂的网络，例如 ResNet 或 Inception？
谢谢
【问题讨论】：
标签：
deep-learning
neural-network
computer-vision
conv-neural-network
object-detection
【解决方案1】：
欢迎，是的。查看像this 这样的非常简化的图表，分割“FC”（“全连接”或“密集”）箭头左侧的所有内容都可以是任何类型的（通常称为）图像分类网络，例如就像Keras Applications中的那些，包括VGG、ResNet、Inception、Xception等。对于这些类型的网络，输入显然是一张图像，输出有时被称为“特征图”（虽然这有点傻—— ——看看输出，你就会明白——因为它通常更类似于后现代主义地图，而不是制图）。
所以你的问题的答案是肯定的：把你想要的任何类型的网络放在“overfeat”结束的东西之前，无论是自定义的还是其他的，但要知道它是一些通用的卷积简化模型，如 ResNet、Inception 等. 任何类型的网络都可以将图像输入并吐出 3 维“特征图”的池化或扁平化（1 维）形式，显然是针对这种“过度”概念的。