deep-learning - 当图像大小不同时，如何格式化图像数据以进行训练/预测？

Question

我正在尝试训练对图像进行分类的模型。 我遇到的问题是，它们的尺寸不同。我应该如何格式化我的图像/或模型架构？

Answer 1

你没有说你在说什么架构。既然你说你想对图像进行分类，我假设它是一个部分卷积、部分完全连接的网络，如 AlexNet、GoogLeNet 等。一般来说，你的问题的答案取决于你正在使用的网络类型。

例如，如果您的网络仅包含卷积单元 - 也就是说，不包含完全连接的层 - 它可以对于输入图像的大小是不变的。这样的网络可以处理输入图像并依次返回另一个图像(“一路卷积”)；您必须确保输出符合您的预期，因为当然，您必须以某种方式确定损失。

如果您使用的是完全连接的单元，那么您就会遇到麻烦:这里您的网络必须使用固定数量的学习权重，因此不同的输入将需要不同数量的权重 - 这是不可能的.

如果这是您的问题，您可以执行以下操作:

• 不用担心图像被挤压。无论如何，网络可能会学会理解内容；无论如何，规模和视角对内容有什么意义吗？
• 将图像居中裁剪为特定尺寸。如果您担心丢失数据，请进行多次裁剪并使用它们来增强输入数据，以便将原始图像分割成 N 大小正确的不同图像。
• 用纯色将图像填充到平方大小，然后调整大小。
• 将其结合起来。

填充选项可能会给网络的预测带来额外的误差源，因为网络可能(阅读:可能会)偏向于包含此类填充边框的图像。 如果您需要一些想法，请查看Images TensorFlow 文档的部分中，有诸如 resize_image_with_crop_or_pad 之类的内容，可以消除更大的工作。

至于不关心挤压，here's著名的 Inception 网络的一段预处理管道:

# This resizing operation may distort the images because the aspect
# ratio is not respected. We select a resize method in a round robin
# fashion based on the thread number.
# Note that ResizeMethod contains 4 enumerated resizing methods.

# We select only 1 case for fast_mode bilinear.
num_resize_cases = 1 if fast_mode else 4
distorted_image = apply_with_random_selector(
    distorted_image,
    lambda x, method: tf.image.resize_images(x, [height, width], method=method),
    num_cases=num_resize_cases)

他们完全意识到这一点并且无论如何都会这么做。

根据您想要或需要走多远，实际上有一篇论文 here称为“用于视觉识别的深度卷积网络中的空间金字塔池”，它通过以非常特殊的方式处理任意大小的输入。