VGGネットを使用したCifarデータの分割

Question

元のVGGネットワ​​ークは、サイズ256x256x3の入力を受け入れます。 Cifar-10のデータを訓練するには、データを256x256x3にリサイズする必要がありますか？それとも他の方法がありますか？

私は、サイズ32x32x3のCifar-10データを使用してVGGネットワ​​ークを微調整しようとしています。

Answer 1

VGGでCifar-10データを訓練するには、サイズが256x256x3の入力データを与える必要があります。さまざまな入力レイヤーには、このイメージのサイズ変更を処理するための変換パラメータがあります。

しかし、32x32イメージを256x256にアップスケールすることは、イメージデータの大部分が利用可能な32x32イメージデータからの近似によって作成されるため、適切な方法ではありません。だから私はこれを行うことはお勧めしません。しかし、これがデモVGGの微調整を試すことであれば、変換パラメータを設定することでそれを行うことができます。

Answer 2

VGG-16は小さい画像では複雑すぎるため、縮小画像の場合は縮小画像を使用する必要があります。

私はこのモデルがあなたの問題のために良い作品だと思うし、それは、GPUでそれすべてを訓練するためには難しいことではありません。

model = Sequential() 

model.add(Conv2D(32, (3, 3), padding='same', 
       input_shape=x_train.shape[1:])) 
model.add(Activation('relu')) 
model.add(Conv2D(32, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Conv2D(64, (3, 3), padding='same')) 
model.add(Activation('relu')) 
model.add(Conv2D(64, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Flatten()) 
model.add(Dense(512)) 
model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(num_classes)) 
model.add(Activation('softmax'))