在 Keras 中使用预训练 CNN 进行迁移学习的输入维度

Question

我想尝试使用 Keras 库提供的一些预训练 CNN 模型（例如 Exception、ResNet50 等）进行特征提取。我试图找出我的数据集的输入维度是否需要匹配用于训练原始 CNN 的图像的维度。

例如; 我应该使用在 210x210 RGB 图像上预先训练的网络模型，这是否意味着如果我想将其用于特征提取，网络将仅适用于相同维度的图像（即 (210, 210, 3)）？或者在这方面有一些灵活性吗？

尝试搜索 Google 并检查 Keras 文档，但找不到有关此问题的明确答案！任何有这方面经验的人的意见将不胜感激。

Answer 1

不，这是可能的，您可以更改input_shape预训练模型的 。它甚至在 keras.aplications文档中被提及。

在自定义输入张量上构建 InceptionV3

from keras.applications.inception_v3 import InceptionV3
from keras.layers import Input

# this could also be the output a different Keras model or layer
# this assumes K.image_data_format() == 'channels_last'
input_tensor = Input(shape=(224, 224, 3))  

model = InceptionV3(input_tensor=input_tensor, weights='imagenet',
                    include_top=False)

请注意，如果您想使用具有与训练图像大小不同的图像的模型，则必须设置include_top为False，因为模型的全连接层仅限于接受具有正确维度的特征，即原始训练产生的特征图像大小。