机器学习训练图像调整大小

Question

通常，CNN模型具有输入尺寸，该尺寸是固定大小。可以说224x224。因此，在训练阶段和分类阶段，我们需要调整各种大小的图像的大小以匹配输入大小。我的问题是，要使模型更准确，是否需要在调整大小后仍保持图像的长宽比，还是在训练和分类阶段无需担心宽高比？

这是我进入输入层之前准备的示例图像；

我无法裁剪像正方形的形状，因为该正方形也可能包含其他类别。谁能建议我准备数据集的最佳方法？

以下是我的调整大小机制；

import cv2
import numpy as np

def resize(image, width, height):
    dim = None
    (h, w) = image.shape[:2]

    if width is None and height is None:
        return image

    x_off = 0
    y_off = 0

    if h > w:
        r = height / float(h)
        dim = (int(w * r), height)

    else:
        r = width / float(w)
        dim = (width, int(h * r))

    resized = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)
    (h_0, w_0) = resized.shape[:2]

    if h_0 > w_0:
        x_off = (224 - w_0)/2
    else:
        y_off = (224 - h_0)/2

    blank_image = np.zeros((height,width,3), np.uint8)

    blank_image[y_off:y_off+h_0,x_off:x_off+w_0] = resized
    return blank_image