Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
Input image size for using pre-trained CNN - پرسش و پاسخ یادگیری عمیق
به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام
من میخوام image classification با استفاده pre-trained CNN انجام بدم. تصاویر من پزشکی هستند و سایزهای مختلف دارند مثل 10001200 و غیره. دو تا سوال دارم:
برای فرستادن این تصاویر به یک pre-trained CNN مثل AlexNet حتما باید اونارو به سایز 227
227 resize کنم و بعد به نت بفرستم؟ اگه حتما اینکار باید انجام بشه چه جوری میشه aspect ratio رو برا تصاویر مختلف حفظ کرد؟
و اگه بخوام از data augmentation استفاده کنم حتما باید اول اونرا به سایز 256256 resize کنم و به پچ های 227227 ازشون استخراج کنم؟

ممنون از راهنمایی

توسط (255 امتیاز)

1 پاسخ

+1 امتیاز

سلام
اگر میخواهید دقیقا از تمام های شبکه استفاده کنید باید حتما ابعاد ورودی برابر باشه با ابعاد ورودی شبکه. برای حفظ نسبت ها میتونید از حاشیه مشکی استفاده کنید.
ساخت دادگان اضافی از روی دادگان اصلی هم روشهای مختلفی داره و بستگی به این داره که داده های جدید چقدر مفهوم داده های اصلی رو حفظ می‌کنه.
توصیه میکنم در صورت امکان شبکه را با تغییر لایه های تمام متصل روی دادگان خودتون fine tune کنید تا بتونید ابعاد دلخواه را ورودی بدین.

توسط (535 امتیاز)
ممنون از جوابتون
دقیقا میخوام همین کارو بکنم و  فقط وزن های لایه های تمام متصل رو برا داده های جدید train و update بکنم. ولی چه جوری میشه ابعاد دلخواه تصویر رو در ورودی داد؟
خواهش می کنم
شما به شبکه های کانولوشنال هر اندازه ای بخواهید می تونید ورودی بدین و از نظر فنی مشکلی نیست. تنها مشکل با لایه های تمام متصل هست که اگر وزنهاشون رو از اول آموزش بدین و فریم ورک هم کفه باشه خودشون سایز ورودیشون رو با سایز خروجی کانولوشن ست می کنن و اگر فریم ورک تورچ باشه باید تعیین کنید براش.
از نظر الگوریتمی هم تعیین ابعاد ورودی به چیزهای زیادی بستگی داره مثل نسبت ابعاد اهداف موجود در تصویر به ناحیه های ادراکی شبکه مورد نظر در لایه های مختلف. این مفاهیم رو می تونید توی ارایه های بنده که روی سایت قرار داده شدن و همچنین مطالب بسیار خوب آقای حسن پور فرا بگیرید. و البته مقالات معتبری در مورد مفاهیم ذاتی CNN ها هست که در پرسش پاسخهای پیشین به آنها اشاره شده و همچنین در منابع مورد استفاده در سایت موجود هستن.
...