在使用卷积神经网络检测赝品时，我遇到了以下问题：调整图像大小以适应所需的输入大小可能不是一个好方法，因为赝品检测很大程度上依赖于图像的细节，例如噪声。因此，调整大小的过程可能会改变/损害细节。
现有方法主要使用具有相同大小的图像块（通过裁剪获得）。然而，这种方式会丢弃空间信息。
我正在寻找一些关于如何在不遗漏空间信息的情况下处理这个问题（输入大小不一致）的建议。
调整大小时神经网络的图像输入大小可能不合适
人工智能
卷积神经网络
图像识别
计算机视觉
2021-11-02 01:03:12
1个回答
我不认为输入大小不一致不会遗漏卷积神经网络中的空间信息。调整图像大小会丢失图像上对象的特征。
看起来您不想裁剪输入图像，这看起来像是被捏造的。我喜欢在卷积神经网络之前建议这些预处理：
(1) 找一张原图或真实物体的图片
(2) 对可疑图像和原图进行图像配准(配准结果应该没问题)
(3) 计算每个像素位置的色差
(4) 生成具有这些差异的新图像
(5) 馈送到您的卷积神经网络以进行异常检测
其它你可能感兴趣的问题