为什么全卷积网络可以输入任意大小的图片

为什么全卷积可以输入任意大小的图片，这是因为全连接的输入特征必须是固定大小的，所以输入图片必须是固定大小，而全卷积的话由于最终的输出只是通道上的值，比如最后输出置信度和偏移，共5个值，用全连接的话输出神经元就得是5个，而全连接的话只需要给5个通道就可以了，至于卷出来的最终图像大小是多少无所谓，因为我只取那个通道的值，示例如下：

from Net import Pnet
from PIL import Image
import torch
import numpy as npimage = Image.open(r'C:\Users\34801\Desktop\test_0808\test\11111.jpg')
image = np.array(image)
image = np.transpose(image,[2,0,1])
image = np.expand_dims(image,axis=0)
image = torch.FloatTensor(image)
net = Pnet()
conf,off = net(image)
print(conf[0,:,0,0],off[0,:,0,0])

输出：tensor([0.0796], grad_fn=<SelectBackward>) tensor([-1.3049, -2.7597, 5.5426, -4.7604], grad_fn=<SelectBackward>)

我打印看看形状：

print(conf.shape,off.shape,image.shape)

输出：

torch.Size([1, 1, 342, 595]) torch.Size([1, 4, 342, 595]) torch.Size([1, 3, 693, 1200])

因此置信度和偏移是一个矩阵。

所有这就是为什么全卷积网络可以输入任意大小的图片的原因

为什么全卷积网络可以输入任意大小的图片相关推荐

Udacity机器人软件工程师课程笔记（二十九) - 全卷积网络（FCN）
全卷积网络(FCN) 1.全卷积神经网络介绍 FCN对图像进行像素级的分类,从而解决了语义级别的图像分割(semantic segmentation)问题.与经典的CNN在卷积层之后使用全连接层得到固 ...
全卷积网络（FCN）与图像分割
全卷积网络(FCN)与图像分割从图像分类到图像分割卷积神经网络(CNN)自2012年以来,在图像分类和图像检测等方面取得了巨大的成就和广泛的应用. CNN的强大之处在于它的多层结构能自动学习特征, ...
全卷积网络FCN详解
转载自: 点击打开链接背景 CNN能够对图片进行分类,可是怎么样才能识别图片中特定部分的物体,在2015年之前还是一个世界难题.神经网络大神Jonathan Long发表了<Fully Co ...
FCN全卷积网络随笔
参考:四.全卷积网络FCN详细讲解(超级详细哦) 这篇文章已经写的很好了,这里说两个我考虑的点. 第一个就是:FCN在缩小成heat map,为什么要通过上采样还原回原图大小? 我觉得这个的原因是因为 ...
【语义分割】全卷积网络（Fully Convolutional Networks, FCN）详解
论文题目:<Fully Convolutional Networks for Semantic Segmentation> 论文地址:https://arxiv.org/abs/1411. ...
转：全卷积网络（FCN）与图像分割
学习收藏. 转载:https://blog.csdn.net/taigw/article/details/51401448 从图像分类到图像分割卷积神经网络(CNN)自2012年以来,在图像分类和图 ...
计算机视觉——全卷积网络（FCN）的学习笔记
1 前言最近语义分割的课程中讲到了全卷积网络FCN,感觉还是挺有趣的, FCN有一些独特的特点,其中我觉得最重要的特点,就是:输入图像大小的任意性,不过这种任意性不是通过resize操作实现的: 从 ...
全卷积网络FCN与卷积神经网络CNN的区别
背景 CNN能够对图片进行分类,可是怎么样才能识别图片中特定部分的物体,在2015年之前还是一个世界难题.神经网络大神Jonathan Long发表了<Fully Convolutional N ...
VGG16全卷积网络以VGG代码为例
文章目录全卷积网络以VGG代码为例发展历史 VGG 全卷积VGG16的结构: 卷积层代替全连接 1X1的卷积的作用全卷积网络以VGG代码为例发展历史 VGG VGG之所以经典,是因为VGG ...

为什么全卷积网络可以输入任意大小的图片

为什么全卷积网络可以输入任意大小的图片相关推荐

最新文章

热门文章