裁剪/缩放 ImageNet 图像

Question

ImageNet 图像都是不同大小的，但神经网络需要固定大小的输入。

一种解决方案是采用与图像一样大的裁剪尺寸，以图像的中心点为中心。这可行，但有一些缺点。图像中感兴趣对象的重要部分经常被切掉，甚至在某些情况下，正确的对象完全丢失，而属于不同类别的另一个对象是可见的，这意味着您的模型将针对该图像进行错误的训练.

另一种解决方案是使用整个图像并将其零填充到每个图像具有相同尺寸的位置。不过，这似乎会干扰训练过程，并且模型将学会在图像边缘附近寻找垂直/水平的黑色斑块。

通常会做什么？

Answer 1

有几种方法：

• 多种作物。例如，AlexNet 最初是针对 5 种不同的作物进行训练的：中心、左上角、右上角、左下角、右下角。
• 随机作物。只需从图像中随机抽取一些裁剪，希望神经网络不会有偏差。
• 调整大小和变形。在不考虑纵横比的情况下将图像调整为固定大小。这会使图像内容变形但会保留，但现在您可以确定没有内容被剪切。
• 可变大小的输入。不要在可变大小的图像上裁剪和训练网络，使用诸如 Spatial Pyramid Pooling 之类的东西来提取可用于全连接层的固定大小的特征向量。

您可以看看最新的 ImageNet 网络是如何训练的，例如 VGG 和 ResNet。他们通常会详细描述这一步。