我正在尝试对转换为图像的PDF文档进行图像分类。我使用的是tensorflow的inception v3预训练模型，并试图按照tensorflow的教程重新训练最后一层以适应我自己的类别。我每个类别有大约1000张训练图像，总共有4个类别。经过20万次迭代，我可以达到90%的成功分类率，这还不错，但仍需改进：
问题在于这个预训练模型只能接受300*300像素的图像输入。显然，这对我在文档中尝试识别的特征中的字符造成了很大干扰。
是否有可能修改模型的输入层，以便我可以提供更高分辨率的图像？
使用一个自制且更简单的模型是否会得到更好的结果？
如果可以，我应该从哪里开始构建这样的图像分类模型？
回答：
如果你想使用与预训练模型不同的图像分辨率，你应该只使用卷积块，并根据新的尺寸设置一组全连接块。使用更高级的库如Keras会使这变得更加容易。下面是一个在Keras中如何操作的示例。
import kerasfrom keras.layers import Flatten,Dense,GlobalAveragePooling2Dfrom keras.models import Modelfrom keras.applications.inception_v3 import InceptionV3base_model = InceptionV3(include_top=False,input_shape=(600,600,3),weights='imagenet')x = base_model.outputx = GlobalAveragePooling2D()(x)x = Dense(1024,activation='relu')(x)#Add as many dense layers / Fully Connected layers requiredpred = Dense(10,activation='softmax')(x)model = Model(base_model.input,pred)for l in model.layers[:-3]: l.trainable=Falseinclude_top = False将只给你卷积块。你可以使用input_shape=(600,600,3)来设置你想要的所需形状。你可以向模型添加几个密集块/全连接块/层。最后一层应包含所需的类别数。10代表类别的数量。通过这种方法，你使用了与预训练模型的卷积层相关的所有权重，并且只训练最后的密集层。
