当使用3D CNN时，为什么需要重新采样到各向同性的重新解析

Question

在this part的2017 kaggle data science bowl preprocessing tutorial kernel中，作者说扫描之间的不同间距“对于自动分析（例如使用ConvNets）可能会有问题”，然后演示“重新采样完整数据集”的方法到某种各向同性的决议“。

我想知道如果我们不重新采样各向同性分辨率会出现什么样的问题？有人会给出理论上的解释吗？

Answer 1

如果扫描的分辨率不同，则像素之间的间距将是不同的距离。这些像素，或者更合适的是，体素将代表不同大小的空间体积。这意味着来自不同扫描的数据代表了一些不同的东西。典型的ConvNets不是规模不变的，这可能是出现问题的地方。他们可能无法检测到不同大小的功能，特别是如果他们不在训练集中。