Ви не сказали, про яку архітектуру ви говорите. Оскільки ви сказали, що хочете класифікувати зображення, я припускаю, що це частково згорнута, частково повністю підключена мережа, така як AlexNet, GoogLeNet тощо. Загалом, відповідь на ваше запитання залежить від типу мережі, з якою ви працюєте.
Наприклад, якщо ваша мережа містить лише згорткові одиниці - тобто, не містить повністю зв’язаних шарів - вона може бути інваріантною до розміру вхідного зображення. Така мережа могла б обробляти вхідні зображення і, у свою чергу, повертати інше зображення ("згорткове до кінця"); вам слід було б переконатися, що результат відповідає тому, що ви очікуєте, оскільки, звичайно, вам доведеться певним чином визначити втрату.
Якщо ви використовуєте повністю підключені блоки, у вас виникнуть проблеми: тут у вас є фіксована кількість вивчених ваг, з якими ваша мережа повинна працювати, тому для різних входів потрібна буде різна кількість ваг - і це неможливо.
Якщо це ваша проблема, ось кілька речей, які ви можете зробити:
- Не дбайте про стиснення зображень. Мережа все одно може навчитися осмислювати вміст; чи так чи інакше масштаб і перспектива щось означають для змісту?
- Обріжте зображення в центрі до певного розміру. Якщо ви боїтесь втратити дані, виконайте декілька обробок і використовуйте їх для збільшення вхідних даних, щоб оригінальне зображення було розділене на
N різні зображення правильного розміру.
- Обкладіть зображення однотонним кольором до розміру квадрата, а потім змініть розмір.
- Робіть поєднання цього.
Варіант заповнення може ввести додаткове джерело помилок до передбачення мережі, оскільки мережа може (читайте: ймовірно, буде) упереджена до зображень, що містять таку заповнену межу. Якщо вам потрібні деякі ідеї, загляньте в розділ « Зображення» документації TensorFlow, там є такі штуки, resize_image_with_crop_or_padякі забирають більшу роботу.
Що стосується того, щоб просто не дбати про сквош, ось фрагмент конвеєру попередньої обробки відомої мережі Inception:
num_resize_cases = 1 if fast_mode else 4
distorted_image = apply_with_random_selector(
distorted_image,
lambda x, method: tf.image.resize_images(x, [height, width], method=method),
num_cases=num_resize_cases)
Вони це цілком усвідомлюють і роблять це в будь-якому випадку.
В залежності від того , наскільки ви хочете , або потрібно йти, там на самому справі документ тут називається Spatial Піраміда Пули в глибоких згортальних мереж для візуального розпізнавання , який обробляє входи довільних розмірів з обробки їх в абсолютно особливим чином.