请问DenseNet图像输入大小是否是固定的？

初学DenseNet，请问DenseNet的图像输入大小可以随意选择吗？必须固定在224×224吗？
如果不是固定的，为什么在第一层卷积之后大小是112×112呢？感谢各位！

可以使用不同的输入大小，如果是迁移学习的话毕竟你加载的模型只是固定的层序列和固定的卷积核大小的权重的集合。
在第一层卷积之后大小是112×112是以224x244输入为前提，你输入变了，下面的每一层大小都会变化，但我认为，模型需要某种最小大小才能有效工作，论文采用224x244一定是这个尺寸能训练出最好的效果。

看你的网络有没有做相应的缩放变化，比如第一次输入的是[b,c,h,w],第二次输入为[b,nc,h/2,w/2]这种使用变量控制的，还是你将参数写死了，指定第一层输入必须是224x224,不然下面的某些网络层就会报维度不匹配的错误。如果参数写死了，那么输入就是固定的。
至于说论文啥的固定在224x224,这个是一般分类网络都是这个大小的，毕竟要和其他网络做对比，这样可以直接引用其他人的结果，控制下变量总是好的；不然你用其他的大小，比如215x512,你得吧其他对比网络都以这个大小跑一遍才能证明你的网络比对比的好。
至于为什么第一层卷积之后是112x112，是否可以为别的值，这个和卷积原理以及卷积参数有关，具体可以看下