歡迎大家來到《知識星球》專欄，這里是AI1000問小專題。

作者&編輯 | 言有三

1 圖像分類任務輸入尺寸相關的問題

有關于經典的圖像分類任務中的輸入圖像尺寸問題，很多同學都有疑問，我們之前已經回答過為什么圖像分類網絡輸入大小是224*224，可以查看往期解答，【AI-1000問】為什么深度學習圖像分類的輸入多是224*224。

今天再來回答一個與之相關的，為什么很多模型將輸入縮放到256*256然后裁剪成224*224呢？

有三AI1000問-模型篇

為什么要從256*256中裁剪出224*224

大家都知道，很多模型的訓練是先將圖像resize到256*256，然后再隨機裁剪成224*224大小，為什么是這么做呢？

作者/編輯 言有三

首先要回顧一下為什么分類任務的輸入圖像大小常常是224*224。

分類任務輸出特征圖如果尺寸太小，那么信息就丟失太嚴重，如果尺寸太大，信息的抽象層次不夠高，計算量也更大，7*7的大小是一個很好的平衡。圖像從大分辨率降低到小分辨率，降低倍數通常是2的指數次方，所以圖像的輸入一定是7*2的指數次方。以ImageNet為代表的大多數分類數據集，圖像的長寬在300分辨率左右。

所以要找一個7*2的指數次方，并且在300左右的分辨率作為輸入，其中7*2的4次方=7*16=112，7*2的5次方等于7*32=224，7*2的6次方=448，與300最接近的就是224了。

接下來我們再思考為什么通常是將圖像resize到256*256。

首先我們要知道crop的目標是用于做數據增強。

當我們描述一個數據集的大小，通常是以數量級來衡量，而數據增強也比例外，我們的目標是將數據集增長為原來的幾個數量級以上，即擴充10，100，1000倍等。

輸入為N*N的大圖，crop輸出為M*M的小圖，可以實現(xiàn)(N-M)*(N-M)的數據集擴充倍數。對應擴充10，100，1000，10000倍，N-M約為3，10，32，100，因為最終結果圖是224*224，所以原圖就應該是227*227，234*234，256*256，324*324，很明顯從256*256這個尺度進行裁剪，能夠保證主體不至于太小或者太大，如前面圖中紅色框。

那不使用256*256使用其他的尺寸如何呢？在比賽刷榜中，經常使用多尺度模型測試，即使用不同尺度的輸入圖進行裁剪然后進行結果融合，筆者曾經在Place365數據集上訓練過ResNet和DPN模型，下面是不同尺度的測試結果。

不同尺度的結果會有差異，但是通常都不大，因此除非模型特殊，不必太糾結與這個問題，畢竟256等于2^8，2的指數次冪，多么經典又快意。

2 更多AI1000問

更多的問題，可以移步知識星球閱讀，也可以主動提出需求，合適的問題會被添加進本系列！

有三AI知識星球的內容非常多，大家可以預覽一些內容如下。

以上所有內容

加入有三AI知識星球即可獲取

來日方長

點擊加入

不見不散

更多精彩

每日更新

轉載文章請后臺聯(lián)系

侵權必究

往期精選

• 有三AI知識星球官宣，BAT等大咖等你來撩

• 揭秘7大AI學習板塊，這個星球推薦你擁有

• 有三AI 1000問回歸，備戰(zhàn)秋招，更多，更快，更好，等你來戰(zhàn)！

• 如何系統(tǒng)性掌握深度學習模型設計和優(yōu)化

• 【知識星球】做作業(yè)還能贏獎金，傳統(tǒng)圖像/機器學習/深度學習盡在不言

• 【知識星球】顏值，自拍，美學三大任務簡介和數據集下載

• 【知識星球】數據集板塊重磅發(fā)布，海量數據集介紹與下載

• 【知識星球】貓貓狗狗與深度學習那些事兒

• 【知識星球】超3萬字的網絡結構解讀，學習必備

• 【知識星球】視頻分類/行為識別網絡和數據集上新

• 【知識星球】3D網絡結構解讀系列上新

• 【知識星球】動態(tài)推理網絡結構上新，不是所有的網絡都是不變的

• 【知識星球】Attention網絡結構上新，聚焦才能贏

• 【知識星球】幾個人像分割數據集簡介和下載

• 【知識星球】總有些骨骼輕奇，姿態(tài)妖嬈的模型結構設計，不知道你知不知道，反正我知道一些

• 【知識星球】從SVM對偶問題，到疲勞駕駛檢測，到實用工業(yè)級別的模型壓縮技巧

總結

以上是生活随笔為你收集整理的【知识星球】为什么图像分类任务要从256*256中裁剪出224*224的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。