虽然人们倾向于在训练CNN时简单地将任何图像调整为正方形（例如resnet采用224x224方形图像），这对我来说看起来很难看，特别是当纵横比不是1时。
（事实上，这可能会改变基本事实，例如专家可能会给出扭曲图像的标签可能与原始图像不同）。
所以现在我将图像调整为224x160，保持原始比例，然后用0填充图像（将其粘贴到完全黑色的224x224图像中的随机位置）。
我的方法对我来说似乎并不原创，但我无法找到任何关于我的方法与“通常”方法的信息。 时髦！
那么，哪种方法更好？为什么？ （如果答案是数据相关的，请分享您的想法，如果一个优先于另一个。）
答案 0 :(得分：11)
根据Jeremy Howard，填充大部分图像（64x160像素）将产生以下效果：CNN必须知道图像的黑色部分不相关且无助于区分类（在分类设置中），因为黑色部分中的像素与属于给定类之间没有相关性。由于你没有对此进行硬编码，CNN将不得不通过梯度下降来学习它，这可能需要一些时代。出于这个原因，如果你有很多图像和计算能力，你可以做到这一点，但是如果你对它们中的任何一个有预算，那么调整大小应该会更好。
答案 1 :(得分：2)
对不起，这很晚，但是此答案适用于面临相同问题的任何人。
首先，如果更改宽高比进行缩放会影响某些重要功能，则必须使用零填充。
归零填充不会因为较长的黑色区域而使网络学习花费更长的时间，而是由于未填充的图像可能位于填充的图像内部的位置可能不同，因为您可以通过多种方式填充图像
对于像素为零的区域，卷积运算的输出为零。最大池或平均池相同。同样，如果在某些激活函数（例如relu，Sigmoid）下与该权重关联的输入为零，则可以证明在反向传播后权重不会更新。因此，从这个意义上讲，大区域不会对权重进行任何更新。
但是，未填充图像在填充图像内部的相对位置确实会影响训练。这不是由于卷积或池化层，而是最后一个完全连接的层。例如，如果未填充的图像位于填充图像内部的左侧，并且平整最后一个卷积或池化层的输出为[1、0、0]，而同一未填充图像的输出位于图像内部的右侧，填充的图像为[0，0，1]，则完全连接的层必须了解[1，0，0]和[0，0，1]对于分类问题是相同的。
因此，学习图像不同可能位置的等方差会使训练花费更多时间。如果您有1,000,000张图像，那么在调整大小后，您将拥有相同数量的图像；另一方面，如果您要填充并考虑不同的可能位置（每个图像随机放置10个），则您将拥有10,000,000张图像。也就是说，培训将花费10倍的时间。
也就是说，这取决于您的问题以及您想要实现的目标。同样，测试这两种方法也不会造成伤害。