我想知道我的意见是否正确：
如果我们考虑能够执行多个复杂计算的特定模型，以便计算表示大图像数据库输入的正确分类率的准确度。 注意：所有图像的大小均为：300 x 200像素。
第一
图像的大小减小到180 x 180，因此使用这些已调整大小的图像数据库计算模型。
其次
图像的大小减小到120 x 120，因此通过使用这些调整大小的图像数据库来计算模型。
在这种情况下，当图像尺寸增大时，准确度是否也会增加？ （确保时间复杂度增加）
当图像尺寸减小时（像第二点：从180x180到120x120），精度也会降低？ （但确定时间复杂度会降低）。
我需要你的意见，并作简要说明。任何帮助将非常感谢！
答案 0 :(得分：1)
答案是＆＃34;它取决于＆＃34;。这取决于您要解决的具体问题。如果您正在训练分类器以确定图像是否包含面部，则可以减少图像的大小。 32x32是面部检测器使用的常见尺寸。另一方面，如果您要确定它的面部，您很可能需要更高分辨率的图像。
以这种方式思考：减小图像的大小会消除高频信息。您删除的越多，您的表示形式就越不具体。我希望减小图像大小可以减少假阴性并增加误报，但同样，这取决于您尝试分类的类别。对于任何特定的问题，可能有一个最佳点＃34;图像大小可以产生最大的准确度。