为什么在 Keras 中实施 Resnet50 禁止小于 32x32x3 的图像？

Question

我想了解为什么 ResNet50 在 Keras 中的实现禁止小于 32x32x3 的图像。

基于他们的实施：https://github.com/keras-team/keras-applications/blob/master/keras_applications/resnet50.py 那就是捕捉函数_obtain_input_shape

为了克服这个问题，我根据他们的代码做了自己的实现，并删除了禁止最小尺寸的代码。在我的实现中，我还通过复制第一个 conv1 层的 RGB 权重，增加了使用具有三个以上通道的预训练模型的可能性。

def ResNet50(load_weights=True,
             input_shape=None,
             pooling=None,
             classes=1000):
    img_input = Input(shape=input_shape, name='tuned_input')
    x = ZeroPadding2D(padding=(3, 3), name='conv1_pad')(img_input)

    # Stage 1 (conv1_x)
    x = Conv2D(64, (7, 7),
               strides=(2, 2),
               padding='valid',
               kernel_initializer=KERNEL_INIT,
               name='tuned_conv1')(x)

    x = BatchNormalization(axis=CHANNEL_AXIS, name='bn_conv1')(x)
    x = Activation('relu')(x)
    x = ZeroPadding2D(padding=(1, 1), name='pool1_pad')(x)
    x = MaxPooling2D((3, 3), strides=(2, 2))(x)

    # Stage 2 (conv2_x)
    x = _convolution_block(x, 3, [64, 64, 256], stage=2, block='a', strides=(1, 1))
    for block in ['b', 'c']:
        x = _identity_block(x, 3, [64, 64, 256], stage=2, block=block)

    # Stage 3 (conv3_x)
    x = _convolution_block(x, 3, [128, 128, 512], stage=3, block='a')
    for block in ['b', 'c', 'd']:
        x = _identity_block(x, 3, [128, 128, 512], stage=3, block=block)

    # Stage 4 (conv4_x)
    x = _convolution_block(x, 3, [256, 256, 1024], stage=4, block='a')
    for block in ['b', 'c', 'd', 'e', 'f']:
        x = _identity_block(x, 3, [256, 256, 1024], stage=4, block=block)

    # Stage 5 (conv5_x)
    x = _convolution_block(x, 3, [512, 512, 2048], stage=5, block='a')
    for block in ['b', 'c']:
        x = _identity_block(x, 3, [512, 512, 2048], stage=5, block=block)

    # Condition on the last layer
    if pooling == 'avg':
        x = layers.GlobalAveragePooling2D()(x)
    elif pooling == 'max':
        x = layers.GlobalMaxPooling2D()(x)

    inputs = img_input
    # Create model.
    model = models.Model(inputs, x, name='resnet50')

    if load_weights:
        weights_path = get_file(
            'resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5',
            WEIGHTS_PATH_NO_TOP,
            cache_subdir='models',
            md5_hash='a268eb855778b3df3c7506639542a6af')
        model.load_weights(weights_path, by_name=True)

        f = h5py.File(weights_path, 'r')
        d = f['conv1']

        # Used to work with more than 3 channels with pre-trained model
        if input_shape[2] % 3 == 0:
            model.get_layer('tuned_conv1').set_weights([d['conv1_W_1:0'][:].repeat(input_shape[2] / 3, axis=2),
                                                        d['conv1_b_1:0']])
        else:
            m = (3 * int(input_shape[2] / 3)) + 3
            model.get_layer('tuned_conv1').set_weights(
                [d['conv1_W_1:0'][:].repeat(m, axis=2)[:, :, 0:input_shape[2], :],
                 d['conv1_b_1:0']])

    return model

我运行我用 10x10x3 图像实现的，它似乎可以工作。因此我不明白为什么他们设置这个最小界限。

他们没有提供有关此选择的任何信息。我还检查了原始论文，但没有发现任何关于最小输入形状的限制。我想这是有原因的，但我不知道这个。

所以我想知道为什么对Resnet的实现做了这样的限制。

Answer 1

ResNet50 有 5 个下采样阶段，介于 2x2 的 MaxPooling 和 Strided Convolution 之间，每个方向的步幅为 2 px。这意味着最小输入大小为2^5 = 32，这个值也是感受野的大小

使用小于 32x32 的图像没有多大意义，因为那时下采样没有做任何事情，这将改变网络的行为。对于如此小的图像，最好使用另一个下采样较少（如 DenseNet）或深度较小的网络。

为什么在 Keras 中实施 Resnet50 禁止小于 32x32x3 的图像？

Why implementation of Resnet50 in Keras forbids images smaller than 32x32x3?

machine-learning

computer-vision

deep-learning

keras

resnet