Question

我正在尝试使用Keras的MobileNet进行图像分类。我的输入形状是(64, 64, 3)，我的数据集中有两个类。我不想使用训练过的砝码。

这是我的代码。

model = MobileNet(weights=None, include_top=True, input_shape=(64, 64, 3), classes=2)

我的问题是，include_top应该是True还是False？自官方表示，

input_shape：可选的形状元组，仅在include_top为False时指定

include_top：是否在网络顶部包含完全连接的图层。

我想进行图像分类，所以我认为我的最后一层应该是完全连接的。这是对的吗？

谢谢。

Answer 1

如果你想传递（64,64,3）的输入形状，那么你需要

include_top=False

是的，你最后需要完全连接的层。你必须建立自己的网络顶部。你的模型将是这样的

base_model= MobileNet(weights=None, include_top=False, input_shape=(64, 64, 3))
x=base_model.output
x=Flatten()(x)
x=Dense(...)(x)
.
.
# Softmax layer for classification
predictions=Dense(2,activation='softmax')
model=(x=base_model.input,output=predictions)

我不知道为什么我们需要删除完全连接的图层以更改input_shape，但我认为上述解决方案可以正常工作

修改

如果input_shape不同，为什么要将include_top设置为False？

因为它会在最后将输入大小更改为完全连接的图层有关详细说明，请参阅this答案

使用keras mobilenet模型

1 个答案: