直接影响最终的全连接层中的输入参数的大小。
1.当输入图片的大小与预训练模型中的不同时:
需经过卷积、池化及全连接层的计算公式得出最终全连接层输入层数的大小。
2.当输入图片的大小与预训练模型中的相同时:
(1)若分类数与预训练模型相同则无需做任何更改。
(2)若分类数与预训练模型中的不同,则更改全连接层中的输出值。
输入图片的大小对卷积神经网络结构的影响
最新推荐文章于 2025-07-15 09:54:06 发布

直接影响最终的全连接层中的输入参数的大小。
1.当输入图片的大小与预训练模型中的不同时:
需经过卷积、池化及全连接层的计算公式得出最终全连接层输入层数的大小。
2.当输入图片的大小与预训练模型中的相同时:
(1)若分类数与预训练模型相同则无需做任何更改。
(2)若分类数与预训练模型中的不同,则更改全连接层中的输出值。