卷积神经网络设计输入层图片大小能很大吗??

很遗憾的告诉你,基本上不可能。你要是不错切割或者降低分辨率的话,内存开销太大了。
■网友
这个问题我太熟悉了,刚参加了两届camelyon的乳腺癌组织切片的比赛,简单而言,你如果50000级别的图像是可以读到内存中的,但是存在了两个问题:1. 切片中有80%的区域是非组织区域,属于无任何价值的区域,所以这部分如果直接送入网络毫无价值。2. 你所说的50000大小应该是第二等级的分辨图像,第一等级大概在10w到30w大小,如果用高等级的,势必会造成信息损失和误判问题。具体细节准备好好更新一下,静待。
■网友
5万*5万好大啊,一般ImageNet都是224*224的,这么大的图片肯定吃不消,缩小到1024*1024会丢失很多信息吗?, 假设就算缩小1024*1024的,你的网络结构层数也不能设计地太深,不然太占显存,batchsize也设置很小

■网友
不可能,那网络层数得多少层呀?
如果增大卷积核,那连接数得多大呀?
如果多加几个下采样,那和你一开始就把图片缩小有什么区别?

■网友
【卷积神经网络设计输入层图片大小能很大吗??】 考虑使用PCA(主成分分析)进行降维


    推荐阅读