在Resnet50 keras.applications中修改maxpooling层

Question

我正在研究一个细分项目，想知道是否有一种方法可以修改keras.application中的resent50 maxpooling层。 我在Kaggle内核中使用keras.application，想知道是否可以通过代码更新该层。

x = ZeroPadding2D(padding=(3, 3), name='conv1_pad')(img_input)
x = Conv2D(64, (7, 7), strides=(2, 2), name='conv1')(img_input)
x = BatchNormalization(axis=bn_axis, name='bn_conv1')(x)
x = Activation('relu')(x)
x = MaxPooling2D((3, 3), strides=(2, 2))(x)

至：

x = Conv2D(64, (7, 7), strides=(2, 2), padding='same', name='conv1')(img_input)
x = BatchNormalization(axis=bn_axis, name='bn_conv1')(x)
x = Activation('relu')(x)
x = MaxPooling2D((3, 3), strides=(2, 2), padding = 'same')(x)

Answer 1

您始终可以复制源代码并创建替代版本。

复制resnet的源代码，将类重命名为CustomResnet并更改所需的内容。

但是，根据我的分割经验，如果打算以可变大小使用它，这将无济于事，因为在执行UpSamplings时，您将不知道图像的原始大小。 因此，UpSamplings最终通常会比原始样本更大。

现在，如果您使用固定大小，可以，您最终可以找到在模型内部正确填充的方法。

但我确实建议您计算MaxPooling层的数量，并确保输入图像的大小是2^poolingLayers 。