我正在尝试训练对图像进行分类的模型。 我的问题是，它们的尺寸不同。我应该如何格式化我的图像/或模型架构？
【问题讨论】：
标签： deep-learning
你没有说你在谈论什么架构。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，不包含全连接层 - 它可以不受输入图像大小的影响。这样的网络可以处理输入图像，然后返回另一个图像（“一直卷积”）；您必须确保输出符合您的预期，因为您当然必须以某种方式确定损失。
但是，如果您使用的是全连接单元，那么您就有麻烦了：在这里，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，您可以采取以下措施：
N 大小正确的不同图像。填充选项可能会为网络的预测引入额外的错误源，因为网络可能（阅读：可能会）偏向包含此类填充边框的图像。
如果您需要一些想法，请查看 TensorFlow 文档的 Images 部分，其中有 resize_image_with_crop_or_pad 之类的内容可以帮助您完成更大的工作。
至于不关心挤压，here's 一段著名的 Inception 网络的预处理管道：
# 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样做。
根据您想要或需要走多远，实际上有一篇名为 Spatial Pyramid Pooling in Deep Convolution Networks for Visual Recognition 的论文 here 通过处理任意大小的输入来处理它们很特别的方式。
【讨论】：
尝试制作空间金字塔池化层。然后将其放在最后一个卷积层之后，以便 FC 层始终获得恒定维度向量作为输入。在训练期间，使用一个时期的特定图像大小训练来自整个数据集的图像。然后在下一个 epoch 中，切换到不同的图像大小并继续训练。
【讨论】：