【问题标题】:Slice or downsize (resize) image for neural networks神经网络的切片或缩小(调整大小)图像
【发布时间】:2020-09-20 07:25:26
【问题描述】:

给定一个具有非常大分辨率(8000x6000)的图像数据集,哪种方法是训练神经网络的最佳方法?不仅适用于图像分割。

正如标题所说,我应该将它们切片为每个图像块 800x600 还是应该将整个图像调整为 800x600?

在第一种情况下,我会丢失内容感知,在第二种情况下,我会丢失很多细节,但它将是对完整图像的内容感知。

谢谢!

【问题讨论】:

    标签: machine-learning neural-network dataset image-segmentation training-data


    【解决方案1】:

    调整大小是更好的选择。通常你的神经网络不需要超高分辨率的所有细节,较小的分辨率就足够了。另一方面,图像的内容很重要,根据您裁剪图像的哪个部分,它可能会出现问题。

    【讨论】:

    • 如果我调整整个图像的大小,会不会丢失 90% 的细节?另一方面,我有一些超高分辨率,但如果我裁剪它们然后调整大小,我会得到更多的图像来训练。
    • 当然,您可以裁剪和调整它们的大小以训练更多图像,但这取决于一张图像是否有多个您关心的有趣对象。例如,如果您有一张带有一个对象的图像,而其余的都是无意义的背景,则将其裁剪为多个部分是没有意义的。不,如果你调整整个图像的大小,90% 的细节都不会丢失。一个好的网络会尝试将图像作为一个整体来理解,以及不同部分如何组合在一起形成一个对象等。在调整图像大小时,您仍然可以保持图像的语义表示。
    猜你喜欢
    • 2018-05-22
    • 2021-11-14
    • 2023-03-03
    • 2015-06-11
    • 2013-07-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-06-22
    相关资源
    最近更新 更多