VGG16在灰度图像数据集上的训练

Question

我已经找到了在（彩色）imagenet数据库上预训练的VGG16网络（.npy格式）。是否有一个在灰度版本的imagenet数据库上预训练的VGG16网络可用?

（通常使用conv1.1层的3通道滤镜来处理灰度1通道输入的“技巧”对我来说不够。我正在寻找网络性能的逐步改进，因此需要查看预训练模型在“查看”灰度输入时的转移学习行为。）

谢谢！

- MathMits

---

我认为目前没有可用的。您可以在云服务（如Floydhub）上自己训练一个。 - Tien Dinh

感谢您的回复，卢克。我自己还没有找到一个。我不知道是否有足够的资源让我自己去做。这就是为什么我希望已经有人做过了。 - MathMits

你可以尝试微调预训练的VGG16模型。 - Tien Dinh

是的Luke，当我执行迁移学习时，这就是我所做的（你是指这个吧？）。但在我的情况下，通常情况下似乎更有效的方法是保持第一层卷积层的系数不变（不可训练）。然而，我希望这些（第一层）系数在巨大的灰度imagenet上进行预训练。 - MathMits

想知道你是否尝试过在训练时冻结除第一层以外的所有层，然后在第一层稳定后再训练整个模型。 - Alexander Soare

Answer 1

是的，有这个：灰度Imagenet

这是一个灰度Imagenet训练模型，还有一个在X光上进行微调的版本。他们表明Imagenet性能几乎没有下降。

- GrimSqueaker

Answer 2

@GrimSqueaker 给了你这篇论文的代码: https://openaccess.thecvf.com/content_eccv_2018_workshops/w33/html/Xie_Pre-training_on_Grayscale_ImageNet_Improves_Medical_Image_Classification_ECCVW_2018_paper.html

然而，它训练的模型是 Inception v3 而不是 VGG16。

你有两个选择：

1. 使用彩色的预训练 VGG16 模型，并将一个通道复制到三个通道
2. 在 ImageNet 灰度数据集上训练您的 VGG16 模型。

您可能会发现这个链接有用：https://github.com/zzangho/VGG16_grayscale

- ma710u5