多尺度CNN如何选择最终输出图

Question

几天前，我读过关于多尺度CNN (__OverFeat method)的文章，您可以通过这个链接获得演示。他们在不同比例的图像上进行CNN，然后将所有输出地图组合在一起。他们在报告中说：

分类在测试时在6个量表上进行，但在运行时只有1个等级。

所以我的问题是:如果我们使用6种不同尺度的CNN架构，那么我们在每个尺度上都有不同的卷积层(我想是这样)。那么在OverFeat**中，它们是如何在运行时使用1级的呢？如果我们使用一个特定的比例，那么我们如何访问其他不同尺度的特征提取器？**我在文章中看到，它们结合了不同尺度的特征映射，但我不知道这个过程是如何执行的。

Answer 1

把这看作是不同的过滤器大小和不同的过滤值。它将提取不同的表示(或者说捕获图像的不同部分)，然后叠加它们以获得更大的特征向量。然后，您执行特性化.Also，检查是否有用于NLP的扩展CNN。它们基于一些类似的概念。