使用 TensorFlow 进行训练时，图像大小重要吗？

Question

我想知道对高分辨率图像而不是低分辨率进行训练是否有任何好处。我知道在更大的图像上训练需要更长的时间，并且尺寸必须是 32 的倍数。我当前的图像集是 1440x1920。将大小调整为 480x640 会更好，还是越大越好？

Answer 1

这当然不是要求您的图像是 2 的幂。在某些情况下，它可能会加快速度（例如 GPU 分配），但这并不重要。

较小的图像训练速度会明显更快，甚至可能收敛得更快（所有其他因素保持不变），因为您将能够训练更大的批次（例如，一次传递 100-1000 张图像，这可能无法在单个图像上完成）具有高分辨率图像的机器）。

至于是否调整大小，您需要问自己该图像中的每个像素是否对您的任务都至关重要。通常情况并非如此 - 您可能可以将公共汽车的照片缩小到 128x128，并且仍然可以识别出它是一辆公共汽车。

使用较小的图像还可以帮助您的网络更好地泛化，因为过拟合的数据较少。

图像分类网络中经常使用的一种技术是对图像执行失真（例如随机裁剪、缩放和亮度调整）以 (a) 将奇数大小的图像转换为恒定大小，(b) 合成更多数据和 (c) 鼓励网络概括。