Downsampling-MNIST-Datensatz für CNN

Question

Für meinen Deep Learning-Kurs muss ich ein neuronales Netzwerk implementieren, das genau dem Tensorflow MNIST for Experts Tutorial entspricht. ,

Der einzige Unterschied ist, dass ich die Datenbank heruntersammeln muss, dann legen Sie es in das neurale Netzwerk. Sollte ich zuschneiden und Größe ändern, oder sollte ich das neuronale Netzwerk mit Parametern implementieren, die mehrere Datengrößen (28 x 28 und 14 x 14) akzeptiert.

Alle Parameter im Tensorflow-Tutorial sind statisch, daher konnte ich keinen Weg finden, den Algorithmus mit einem 14x14-Bild zu versorgen. Welches Werkzeug sollte ich für eine "optimale" Downsampling verwenden?

Answer 1

Sie müssen die Größe der Eingabebilder auf eine feste Größe ändern (die Ihrer Beschreibung zufolge 14 * 14 entspricht). Dazu gibt es verschiedene Möglichkeiten. Zum Beispiel können Sie mit der Interpolation die Größe ändern, den zentralen Teil oder eine Ecke des Bildes zuschneiden oder nach dem Zufallsprinzip einen oder mehrere Patches (alle mit der Größe Ihrer Netzwerkeingabe) von a auswählen gib Bild. Sie können diese Methoden auch kombinieren. Zum Beispiel führen sie in VGG zuerst eine aspektbewahrende Größenänderung unter Verwendung einer bilinearen Interpolation durch und erhalten dann ein zufälliges Patch von dem resultierenden Bild (für die Testphase erhalten sie die zentrale Ernte). https://github.com/tensorflow/models/blob/master/slim/preprocessing/vgg_preprocessing.py

die einzigen Parameter, der Beispielcode im Tutorial Sie erwähnt haben, die geändert werden muss, werden die im Zusammenhang mit den Eingangsbildgrößen: Sie können VGG der Vorverarbeitung Quellcode in TensorFlow unter folgendem Link finden. Zum Beispiel müssen Sie 28s zu 14s und 784s zu 228s ändern (dies sind nur Beispiele, es gibt andere Größen, die Sie ebenfalls ändern müssen).