训练具有可变大小图像的卷积神经网络的首选方法是什么？

实际上你应该裁剪到最小图片的大小，而不是平均值。否则，你仍然会有不同大小的图像。 – narn

除了零填充，复制边界也是可能的，有时更有利。 –

填充零，复制边界会创建网络可能尝试学习的不必要模式。修复输入大小并将所有图像调整为该大小。 –

在tensorflow中，我懒定义了占位符的形状。例如：

input_pl = tf.placeholder(tf.float32, shape=(BATCH_SIZE, None, None, CHANNELS))

'无'表示可变大小。这样，我不会因剪裁而丢失信息，或者我不会通过填充添加不正确的信息。

2017-07-27 08:52:43 Anjany

填充不是“不正确的信息”。事实上，这个占位符张量将通过在最大发送张量的模型中添加填充来工作。 – modesitt

我没有意识到这一点，如果是这样的话，它会担心我。如果我的批量大小是1，会发生什么情况？占位符永远不会知道我的“最大”张量是什么。 – Anjany

回答