我是深度学习的新手,我制作了我的第一个 CNN 网络,它在训练时接受(32,32,3)的输入。
现在我想在我训练的模型上测试一些随机图像。
我是否必须将测试图像的大小调整为(32,32,3)。或者我可以保持原样吗?或者我可以将它们全部调整为更高的分辨率吗?
请给出理由。
我是深度学习的新手,我制作了我的第一个 CNN 网络,它在训练时接受(32,32,3)的输入。
现在我想在我训练的模型上测试一些随机图像。
我是否必须将测试图像的大小调整为(32,32,3)。或者我可以保持原样吗?或者我可以将它们全部调整为更高的分辨率吗?
请给出理由。
首先让我们从最后一个问题开始。通常不可能增加图像的大小,即在不使用 AI 解决方案的情况下增加其分辨率。但是克服这个问题的一个著名解决方案是填充图像以增加其大小。但是根据过滤器的大小,如果原始图像与原始输入大小相比太小,并且过滤器尺寸很大,它可能会表现不佳。此外,在任何情况下,如果一个模型被设计为接受高分辨率,则在处理小图像时不会有类似的表现,因为它不会获得相同大小的输入或信息(填充将只包含虚拟数据)。
但是,您可以构建一个可以接受不同尺寸的模型,尽管您构建的模型不会。您的模型配置为接收 32x32x3,即 3072 个输入节点。因此,您必须将所有高分辨率图像的大小调整为 32x32x3 并填充较小的图像。