【发布时间】:2016-10-03 11:21:01
【问题描述】:
所以这里有设置,我有一组图像(标记为训练和测试),我想训练一个卷积网络,告诉我这个图像中是否有特定对象。
为此,我遵循了 MNIST 上的 tensorflow 教程,并训练了一个简单的卷积网络,该网络缩小到感兴趣的区域(对象),它正在对大小为 128x128 的图像进行训练。架构如下:依次为 3 层,包括 2 个 conv 层和 1 个 max pool 下采样层,以及一个完全连接的 softmax 层(无论对象是否存在,都有两个类 0 和 1)
我使用 tensorflow 实现了它,效果很好,但是由于我有足够的计算能力,我想知道如何提高分类的复杂性: - 添加更多层? - 在每一层添加更多频道? (目前全连接为 32,64,128 和 1024) - 还有什么?
但最重要的部分是,现在我想在更大的图像上检测相同的对象(大约 600x600,而对象的大小应该在 100x100 左右)。
我想知道如何使用以前用于小图像的训练“小型”网络,以便在大图像上预训练更大的网络?一种选择是使用大小为 128x128 的切片窗口对图像进行分类并扫描整个图像,但如果可能的话,我想尝试在其上训练整个网络。
关于如何进行的任何建议?还是解决此类问题的文章/资源? (我对深度学习真的很陌生,如果这是个愚蠢的问题,我很抱歉......)
谢谢!
【问题讨论】:
标签: classification tensorflow deep-learning conv-neural-network