CNNへの入力の再調整

Question

サイズの異なる画像の再スケーリングに関する一般的な合意は何ですか？私は、1つのアプローチは、画像の最大サイズを固定サイズに再スケーリングすることであることを読んだ。次元の1つを再スケーリングするだけでは、データセット全体で一様なイメージの形になることはわかりません。

他の方法がありますか？ 2つのディメンションの平均サイズを取得し、各イメージのディメンションをデータセット全体の各ディメンションの平均に再スケーリングすることはできますか？

リスケールにはどの補間方法を使用するのが重要ですか？

各画像のnxm部分を取り、残りの画像を切り取るのは意味がありますか？

人々が使用したアプローチのリストと、さまざまなシナリオでのそれらの実行方法がありますか。

Answer 1

CNNのターゲットアプリケーションによって異なります。物体の検出/分類のためには、通常、スライディングウインドウアプローチまたはクロッピングが使用される。最初のオプションでは、スライドウィンドウが画像の周りを移動し、（重なり合う基準が異なる）すべてのパッチについて、予測が行われる。この予測は、他のプーリングまたはフィルタ戦略でフィルタリングされます。画像分割（別名セマンティックセグメンテーション）について

は、同様の手法が用いられています。 1）画像スケーリング+セグメント化+元のサイズに戻すスケーリング。 2）異なる画像パッチ+各セグメント化、または3）スライディングウィンドウセグメンテーション+最大プール。オプション（3）では、各ピクセルはN = H×W票（Nはスライディングウィンドウのサイズ）を有する。このN個の予測は、maxixmum-votingクラシファイアに集約されます（Random Forestや他の分類子のアンサンブルモデルに似ています）。

つまり、要するに、私はこの質問に対して、短くも独特の答えもないと信じています。あなたが取る決定は、CNNで達成しようとする目標に依存します。もちろん、あなたのアプローチの質は、CNNのパフォーマンスに影響を与えます。しかし私はこの種の研究について知らない。