machine-learning - 以不同的分辨率传输学习深度CNN

我正在阅读YOLO的论文。它提到，在第2页高分辨率分类器中，

The original YOLO trains the classifier network at 224*224 and increases the resolution to 448 for detection.

For YOLOv2 we first fine tune the classification network at the full 448*448 resolution for 10 epochs on ImageNet.

我很好奇我们如何用不同的输入分辨率进行微调。

有人对此有任何想法吗？有没有“标准”的方法可以做到这一点？

提前致谢......

最佳答案

我的猜测只是缩放网络以接受448x448分辨率的输入图像，并使用预训练的权重训练10个新纪元。

Darknet具有调整大小的功能，因此这比听起来容易。如果您自己进行操作，则只需在.cfg文件中更改width = 448和height = 448，darknet将初始化图层以接受该分辨率。

关于machine-learning - 以不同的分辨率传输学习深度CNN，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45331695/