Question

我正在尝试训练我的模型对图像进行分类。我遇到的问题是，它们有不同的尺寸。是否有可能在没有调整大小的情况下训练这些图像。

Answer 1

您没有说出您正在谈论的架构。既然你说你想要对图像进行分类，我假设它是一个部分卷积的，部分完全连接的网络，如AlexNet，GoogLeNet等。一般来说，你的问题的答案取决于你正在使用的网络类型。

例如，如果您的网络只包含卷积单位 - 也就是说，不包含完全连接的图层 - 那么可以对输入图像的大小不变。这样的网络可以处理输入图像，然后返回另一个图像（“一直卷积”）;你必须确保输出符合你的预期，因为你必须以某种方式确定损失。

如果您使用的是完全连接的设备，那么您就会遇到麻烦：您的网络必须使用固定数量的学习重量，因此不同的输入需要不同数量的重量 - 这是不可能的

如果这是你的问题，可以采取以下措施：

不关心挤压图像。无论如何，网络可能会学会理解内容;规模和视角对内容意味着什么呢？
将图像中心裁剪为特定尺寸。如果您担心丢失数据，请执行多种裁剪并使用这些裁剪来增加输入数据，以便将原始图像拆分为N个正确大小的不同图像。
将图像用纯色填充到平方大小，然后调整大小。
做一个组合。

填充选项可能会为网络的预测引入额外的错误源，因为网络可能（读取：可能会）偏向于包含此类填充边框的图像。如果您需要一些想法，请查看TensorFlow文档的Images部分，有resize_image_with_crop_or_pad之类的内容可以带走更大的工作。

至于不关心压扁，here's一个着名的Inception网络的预处理管道：

# This resizing operation may distort the images because the aspect
# ratio is not respected. We select a resize method in a round robin
# fashion based on the thread number.
# Note that ResizeMethod contains 4 enumerated resizing methods.

# We select only 1 case for fast_mode bilinear.
num_resize_cases = 1 if fast_mode else 4
distorted_image = apply_with_random_selector(
    distorted_image,
    lambda x, method: tf.image.resize_images(x, [height, width], method=method),
    num_cases=num_resize_cases)

他们完全了解它并且无论如何都要这样做。

根据您想要或需要走多远，实际上有一篇论文here称为用于视觉识别的深度卷积网络中的空间金字塔池，它通过处理来处理任意大小的输入他们以一种非常特殊的方式。

Answer 2

尝试制作空间金字塔合并图层。然后将它放在最后一个卷积层之后，这样FC层总是得到恒定的维向量作为输入。在训练期间，使用特定图像大小训练来自整个数据集的图像一个时期。然后，对于下一个纪元，切换到不同的图像大小并继续训练。

如何训练图像，当它们有不同的大小？

2 个答案: