正如您所提到的，您的任务是分类，并且由于使用图像，最好使用卷积神经网络。首先我有一个建议，尝试为所有图像找到具有相同尺寸的合适尺寸并将它们提供给您的网络。您可以根据要测试模型的环境保持纵横比。您还可以查看为什么我们在将图像输入网络之前缩小图像。

哪个会更好：将整个图像放入训练集还是将每个图像分成 4 部分（水平和垂直切割中线）？

我猜你试图做数据增强。如果是这样，这取决于。如果你这样做，你可能有不包含花朵的图像，或者它们可能包含不同类别中常见的花朵的一部分。因此，它可能会增加贝叶斯误差。如果你确定你没有这些问题，你可以使用它，尽管我不这么认为。

如果我旋转/倾斜这些图像并将它们也放入训练集中会有帮助吗？

是的，它比以前的技术更好。您必须意识到这在某些情况下是危险的。基本上，你应该使用训练集来训练你的网络，该训练集来自你的测试数据的真实分布。假设在测试您的模型时，您的测试数据全部来自垂直放置在场景中的花朵。在这种情况下，如果您只使用旋转版本来训练您的网络，您可能无法获得良好的测试结果。

如果我模糊这些图像并将它们也放入训练集中会有帮助吗？

再次像之前的答案一样，这取决于您的测试数据。如果这是在测试时发生的事情，那是合法的。

要为上述答案添加更新，您应该考虑到通过减少来增加数据可能很困难，因为它需要专家手动标记输入，这很耗时。