深度学习架构的输入大小有多重要？
How important is the Input Size for Deep Learning Architectures?
最近一直在玩MATLAB的RCNN深度学习例子here。在此示例中，MATLAB 设计了一个基本的 15 层 CNN，输入大小为 32x32。他们使用 CIFAR10 数据集来预训练这个 CNN。 CIFAR10 数据集也有大小为 32x32 的训练图像。后来他们使用一个小的停车标志数据集来微调这个 CNN 来检测停车标志。这个停车标志的小数据集只有 41 张图像；所以他们使用这 41 张图像来微调 CNN，即训练 RCNN 网络。这是他们检测停车标志的方式：
如您所见，边界框几乎覆盖了整个停车标志，除了顶部的一小部分。
玩代码我决定微调在 CIFAR10 数据集和 PASCAL VOC 数据集上预训练的同一个网络，但只针对 "aeroplane" class。
这些是我得到的一些结果：
如您所见，检测到的边界框几乎无法覆盖整个飞机；所以当我评估它们时，这会导致精度为 0。我知道在 MATLAB 示例中提到的原始 RCNN 论文中，输入大小为 227x227，它们的 CNN 有 25 层。这可能是检测不准确的原因吗？ CNN 的输入大小如何影响最终结果？
几乎可以肯定！
当您通过网络传递图像时，网络会尝试最小化从图像中获取的数据，直到获得最相关的数据。在这个过程中，输入一次又一次地缩小。例如，如果您向网络中插入一个小于所需图像的图像，则图像中的所有数据都可能在网络传递过程中丢失。
在你的情况下，你的结果的一个可选原因是网络 "looks for" 的分辨率有限，也许大飞机的分辨率过高。
最近一直在玩MATLAB的RCNN深度学习例子here。在此示例中，MATLAB 设计了一个基本的 15 层 CNN，输入大小为 32x32。他们使用 CIFAR10 数据集来预训练这个 CNN。 CIFAR10 数据集也有大小为 32x32 的训练图像。后来他们使用一个小的停车标志数据集来微调这个 CNN 来检测停车标志。这个停车标志的小数据集只有 41 张图像；所以他们使用这 41 张图像来微调 CNN，即训练 RCNN 网络。这是他们检测停车标志的方式：
如您所见，检测到的边界框几乎无法覆盖整个飞机；所以当我评估它们时，这会导致精度为 0。我知道在 MATLAB 示例中提到的原始 RCNN 论文中，输入大小为 227x227，它们的 CNN 有 25 层。这可能是检测不准确的原因吗？ CNN 的输入大小如何影响最终结果？
几乎可以肯定！ 当您通过网络传递图像时，网络会尝试最小化从图像中获取的数据，直到获得最相关的数据。在这个过程中，输入一次又一次地缩小。例如，如果您向网络中插入一个小于所需图像的图像，则图像中的所有数据都可能在网络传递过程中丢失。 在你的情况下，你的结果的一个可选原因是网络 "looks for" 的分辨率有限，也许大飞机的分辨率过高。