YOLO预训练

Question

我正在实施YOLO网络，并有一些问题。在原纸中，作者说：“对于预训练，我们使用图3中的前20个卷积层，然后是一个平均池层和一个完全连接的层”。他们还报告说，他们使用ImageNet 1000类数据集和224x224输入大小，而不是使用448x448。

我的问题如下：

1)平均池层内核的大小是多少？

2)作者如何将输入大小缩小到224x224？他们省略了第一层吗？

Answer 1

1)使用平均池层(至少在这里)的目标是在它之后有一个向量。这样你就有了一个完全连接的图层矢量。

在Yolo中，之前完全连接的层似乎是7x7x1024。下一个层，完全连接的层是4096 (或1x1x4096)。这意味着您需要一个内核为7x7的平均池层和4096个过滤器(7x7x4096)。

也许是亚历克西斯·库克( Alexis )的“看全球平均池的解释”( look )。

2)我不太明白你的第二个问题，所以如果我回答错了，可以发表评论：

224x224的维度用于网络的预培训。首先，他们用imagenet训练他们的网络进行图像分类，就像VGG、Inception或densenet这样的网络。培训完成后，他们在开始时添加一个新层，输入大小为448x448。他们再次用这个新的图层训练网络来进行图像识别。