CNN之前的预处理：调整大小与裁剪

Question

我正在使用一个简单的神经网络（类似于AlexNet）将图像分类。作为预处理阶段，输入图像在被送入网络之前会调整为256x256。

最近，我遇到了以下问题：我处理的许多图像都具有非常高的分辨率（例如，2000x2000）。在这种情况下，执行“硬调整大小”会导致严重的信息丢失。例如，在原始图像中容易识别的小型100x100面部在调整大小的版本中将无法识别。在这种情况下，我可能更喜欢拍摄2000x2000图像的几种作物并对每种作物进行分类。

我正在寻找一种方法来自动确定哪种类型的预处理最合适。理想情况下，它能够识别，例如，单个面的高分辨率图像应该调整大小，而人群的高分辨率图像应该裁剪几次。基本要求，就我而言：

• 尽可能计算效率。因此，可能会排除诸如“滑动窗口”之类的东西（仅仅裁剪所有图像在计算上更便宜）。
• 能够在召回和精确度之间取得平衡

到目前为止我考虑过：

1. “低级”（图像处理）方法：实现使用局部图像信息（如梯度）的算法来区分高分辨率和低分辨率图像。
2. “高级”（语义）方法：通过预先训练的网络运行图像以进行某种分段，并使用其光输出来确定适当的预处理。

我想首先尝试第一个选项，但不确定如何去做。傅立叶域有什么我可以做的吗？ OpenCv中的东西我可以试试吗？有没有人有任何建议/想法？其他想法也非常受欢迎。谢谢！