Overfeat 能否在 ResNet 或 Inception 网络架构上工作
Can Overfeat work on ResNet or Inception network architectures
我熟悉 Overfeat 如何通过仅使用卷积层而不是最后的全连接层来对图像中的对象进行分类和定位的原理。然而，我阅读的每个教程或解释都在谈论 alexnet 或一个非常基本的神经网络，该网络由几个连续的卷积层和随后的 2-3 个全连接层组成，用于对图像进行分类。但是我的问题如下，是否可以修改更复杂的网络，例如 ResNet 或 Inception，它们不使用 Alexnet 或 VGG 中的标准连续卷积层技术？
谢谢
欢迎，是的。看一个非常简化的图，如 this, everything to the left of the split "FC" ('fully connected', or 'dense') arrows can be any kind of (what is typically called an) image classification network, such as those in Keras Applications，其中包括 VGG、ResNet、Inception、Xception 等。对于这些类型的网络，输入显然是图像，输出有时称为 'feature map' （尽管这有点傻——看看输出你就会明白——因为它通常更类似于 post-现代主义地图，而不是制图地图）。
所以你的问题的答案是肯定的：在 'overfeat' 结束之前放置你想要的任何类型的网络，无论是自定义的还是其他的，但要知道它是一些通用的卷积简化模型，比如 ResNet , Inception 等。任何类型的网络都可以接收图像并吐出 3 维 'feature map' 的汇集或扁平化（1 维）形式，这显然是针对此 'overfeat' 概念的。
我熟悉 Overfeat 如何通过仅使用卷积层而不是最后的全连接层来对图像中的对象进行分类和定位的原理。然而，我阅读的每个教程或解释都在谈论 alexnet 或一个非常基本的神经网络，该网络由几个连续的卷积层和随后的 2-3 个全连接层组成，用于对图像进行分类。但是我的问题如下，是否可以修改更复杂的网络，例如 ResNet 或 Inception，它们不使用 Alexnet 或 VGG 中的标准连续卷积层技术？
谢谢
欢迎，是的。看一个非常简化的图，如 this, everything to the left of the split "FC" ('fully connected', or 'dense') arrows can be any kind of (what is typically called an) image classification network, such as those in Keras Applications，其中包括 VGG、ResNet、Inception、Xception 等。对于这些类型的网络，输入显然是图像，输出有时称为 'feature map' （尽管这有点傻——看看输出你就会明白——因为它通常更类似于 post-现代主义地图，而不是制图地图）。
所以你的问题的答案是肯定的：在 'overfeat' 结束之前放置你想要的任何类型的网络，无论是自定义的还是其他的，但要知道它是一些通用的卷积简化模型，比如 ResNet , Inception 等。任何类型的网络都可以接收图像并吐出 3 维 'feature map' 的汇集或扁平化（1 维）形式，这显然是针对此 'overfeat' 概念的。