精度取决于图像尺寸

Question

我想知道我的意见是否正确：

如果我们考虑一个能够执行多个复杂计算的特定模型，以便计算表示大图像数据库输入的正确分类率的准确度。 注意：所有图片的尺寸为：300 x 200 像素。

• 第一

  图像尺寸缩小到 180 x 180，然后使用这些调整大小的图像数据库计算模型。

• 第二次

  图像的大小被缩小到 120 x 120，因此模型是通过使用这些调整大小的图像数据库来计算的。

在这种情况下，当图像尺寸增加时，准确率也会增加，这是否正确？ （确保时间复杂度增加）

当图像尺寸减小时（像第二点：从 180x180 到 120x120），精度也会降低？ （但要确保时间复杂度会降低）。

我需要您的意见，并附上简短的解释。任何帮助将不胜感激！

Answer 1

答案是“视情况而定”。这取决于您要解决的具体问题。如果您正在训练分类器来确定图像是否包含人脸，则可以稍微减小图像的大小。 32x32 是人脸检测器常用的尺寸。另一方面，如果您试图确定是谁的脸，您很可能需要更高分辨率的图像。

这样想：减小图像的大小会去除高频信息。您删除的越多，您的表示就越不具体。我希望减小图像大小会减少误报并增加误报，但这同样取决于您要分类的类别。对于任何特定问题，都可能存在一个“最佳位置”，即产生最大准确度的图像尺寸。