我想知道在高分辨率图像上进行训练是否比在低分辨率图像上进行训练有任何好处。我知道在较大的图像上进行训练需要更长的时间，并且尺寸必须是 32 的倍数。我当前的图像集是 1440x1920。我最好将大小调整为 480x640，还是越大越好？
最佳答案
当然不要求您的图像必须是 2 的幂。在某些情况下，它可能会加快速度(例如 GPU 分配)，但这并不重要。
较小的图像将训练得更快，甚至可能收敛得更快(所有其他因素保持不变)，因为您将能够训练更大的批处理(例如，一次传递 100-1000 个图像，但您可能无法做到这一点)在具有高分辨率图像的单台机器上)。
至于是否调整大小，您需要问自己该图像中的每个像素是否对您的任务都至关重要。通常情况并非如此 - 您可能可以将公共(public)汽车照片的大小调整为 128x128，但仍然可以识别出它是公共(public)汽车。
使用较小的图像还可以帮助您的网络更好地泛化，因为过度拟合的数据较少。
图像分类网络中经常使用的一种技术是对图像执行扭曲(例如随机裁剪、缩放和亮度调整)，以 (a) 将奇数尺寸的图像转换为恒定尺寸，(b) 合成更多数据，以及 (c) )鼓励网络进行概括。
关于image-processing - 使用 TensorFlow 训练时图像大小重要吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41842310/