图像的深度学习必须具有相同的大小吗？

Question

我是一个有深度学习的新人。我打算使用caffe并为训练准备一个数据集。

是否所有的图像必须具有相同的大小？而且它必须是乡绅？

如果是这样，那么理想的尺寸或如何选择它？

Answer 1

通常对于深度学习而言，情况并非如此。卷积神经网络不依赖图像大小，滤镜可以应用于所有图像大小。

仍然有许多框架和字面上所有的论文使用相同的图像大小进行培训。在https://arxiv.org/pdf/1409.1556/他们使用不同的大小来评估网络。要达到此目的，您可以使用调整大小或作物或两者的组合。请记住，改变宽高比几乎总是一个坏主意。

要选择一个好的图像大小，重要的是要注意一个更大的图像大小通常会给你更好的精度。但是，所有的滤镜都需要更长的时间，并且内存需求随着图像尺寸的增加而增加另外，更大的尺寸产生的效果逐渐减弱。我通常使用224x224，因为它通常可以通过2整除，而imagenet也使用它。

最后，图像大小不一定是正方形，但大多数情况下这是一个好主意，因为CNN经常将图像大小减半，最终通常会变成4x4或6x6。用非正方形的起始尺寸做这件事会给你一个像4x2或6x3这样的不规则的结束尺寸。