在Tensorflow中使用Inception-v2的期望特征向量大小

Question

我希望为目标检测中感兴趣的区域提取特征向量。我正在使用更快的RCNN & Inception-v2，基本上遵循本教程，但我添加了detection_features作为密钥。

我的印象是，特征向量是CNN的输出，然后再进行分类。通过查看起始-v2纸中的表1，我预计它的大小为1x1x1000。然而，在我的代码中，output_dict['detection_features'][0]的大小是4x4x1024，这让我感到困惑，因为它似乎不是出现在“盗梦空间-v2”的任何步骤中的向量大小。

任何关于为什么大小不匹配的提示都是非常感谢的，我担心我可能误解了一些东西，但是我在Tensorflow的对象检测中找不到很多关于特征向量的文档。

非常感谢

Answer 1

每层单位的具体数量并不是一种体系结构规则；遵循初始V2体系结构的网络首先是信息流的问题。你的情况看起来很好。Keras的创建者曾经写道，在8的倍数中使用单位可能会提供一点计算优势，所以您的最后一层单元可能比纸张的略好一些。至于4,4位，这可能是输入维度的结果。这就是为什么有一个最小的可能的输入大小(否则一些操作将没有任何像素来处理)。遵循相同的初始V2过程的更大的输入(图像)将导致更大的输出维度。这很好，它只是意味着一个直接的扁平( cnn和分类器之间)导致更多的单位，或者，或者，全球池丢弃更多的信息。

总之:你所做的一切都是非常好的。架构是图形操作的问题，而特定的实现(网络中的维度)则是应用程序的问题。

编辑:一个更彻底的解释

卷积层由其核形状和单位数(核数)来定义。如果体系结构使用具有(3,3)矩阵内核的卷积层，则不管提供给它的内容大小如何(至少与内核一样大)，它都会应用这一点。因此，如果像VGG (图表)这样的网络体系结构需要一定数量的卷积层，然后是(3,3)内核，然后是(2,2)池层，那么不管您是创建网络输入形状(299,299,3)还是(32,32,32)。同样的操作将在输入上执行，只是沿轴执行不同的次数(当然包括最后一个轴，即单元数，也就是唯一的核数)，从而产生不同的输出形状。