Target_size image_gen.flow_from_dataframe InceptionResNetV2 (Keras) 用于较小的图像

【问题标题】：Target_size image_gen.flow_from_dataframe InceptionResNetV2 (Keras) for smaller imagesTarget_size image_gen.flow_from_dataframe InceptionResNetV2 (Keras) 用于较小的图像
【发布时间】：2020-07-17 11:44:50
【问题描述】：

我有一个数据集 (Tiny ImageNet)，其中图像为 64 x 64，但我想使用预训练模型：InceptionResNetV2，因为所有其他模型的准确度都很低。

我可以在 image_gen.flow_from_dataframe 函数中将 target_size 中的维度加倍到 128, 128 并使用 InceptionResNetV2 中的输出吗？

将目标大小加倍会影响训练吗？我的意思是它会拉伸图像或在它们周围添加空白区域。

这种方式合适还是有更好的方法来使用 InceptionResNetV2 训练微小图像？

【问题讨论】：

标签： python keras

【解决方案1】：

您可以在ImageDataGenerator (target_size=(224,224)) 或tf.keras.layers.Input( shape=input_shape ) 部分中定义输入图像大小。

【讨论】：

是的，我就是这么做的？可以吗？我担心它可能会在我的图像周围增加一些空间，这可能会产生错误的结果？将尺寸加倍还是只是拉伸图像？ @Erdal GENC
您是否在 Tiny ImageNet 数据集上以合理的测试精度进行了尝试？
你的意思是比较两种调整大小的方法吗？
不，只是想知道调整大小是否会影响预测。我的意思是，如果测试预测对于较小的图像相当准确，那么我们做得很好，不是吗？ @Erdal
我不确定。这实际上取决于很多事情。图像大小只是模型中的变量之一。