在训练有利于CNN之前挤压图像？

Question

每当我在将数据输入CNN之前对数据进行预处理时，总会出现一个非常大的问题。当我将图像调整到正确的大小时，我总是以某种方式挤压它们。

我见过很多人都做同样的事情，我到处寻找答案，但他们都没有真正满足我，所以我的问题是：这对训练有用吗？在现实生活中测试网络会对网络造成多大的影响？

Answer 1

您的模型需要固定尺寸的输入尺寸。调整图像大小的替代方法是填充数据或训练多个模型。对于填充，有各种方法可以产生新问题。 不同尺寸的多个模型太昂贵，因为对于每个模型，您需要匹配的数据集。

调整大小时出现的问题取决于您的问题和拉伸因素。卷积NN仅在很小程度上是不变的，因此在很多情况下拉伸图像应该可以达到一定程度。

要找到问题的答案，您可以训练两个模型并比较性能：一个用填充，一个用缩放。

Answer 2

我最好的建议是不要改变图像的原始比例。在这种情况下，您需要做的是调整图像大小（保持相同的比例），使得两个维度都小于或等于请求的输入大小，然后填充它。 例如。让我们说你对网络的输入是160x120，你有一个500x500的图像。在这种情况下，请将图像调整为120x120，然后将其填充到160x120。