CNN网络设计中的问题

Question

我好像在给CNN网络建模上出了问题。

我想从不同大小的图像中提取特征向量。与图像一致的是y轴和颜色维数，但x轴不是常数。

根据x轴的长度，特征向量的长度也会被改变。我已经知道它们应该有多长，但不知道x轴的长度和特征向量的长度之间的比率，我猜确实存在。

是否有可能训练CNN网络，使其能够根据图像x轴输入的长度来改变特征向量长度？

Answer 1

实际上不可能在普通CNN上更改每个示例的输入特征数组大小。相反，这是固定的，当模型是第一次建立，在你开始训练。

根据您的目标，可能会使用某种处理图像补丁的管道(使用多个稍微随机的补丁来增加培训数据可以提高结果，对预测输入进行同样的处理也可以提高分类器的准确性)。或使用一种更复杂的RNN/CNN混合变体将图像作为一系列部件使用，这也可用于多目标识别。

然而，这些解决方案是复杂的，最先进的结果在图像分类可以通过更简单的技术，如采取中心作物和/或填充。如果你的训练数据也被以同样的方式处理，而且高宽比不是极端的话，这就可以充分发挥作用。