我是深度学习的新手，我正在尝试训练一个 ResNet50 模型来对 3 种不同的手术工具进行分类。问题是我读的每一篇文章都告诉我，我需要使用 224 X 224 的图像来训练 ResNet，但我拥有的图像大小为 512 X 288。
所以我的问题是：
是否可以在不裁剪图像的情况下使用 512 X 288 图像来训练 ResNet？我不想裁剪图像，因为工具在图像内的位置相当随机，而且我认为裁剪图像也会切断部分工具。
对于训练集和测试集图像，是否需要在要分类的对象周围画一个矩形？
如果多个不同的对象在一个图像中可以吗？我使用的数据集经常有多个工具出现在一张图像中，我想知道我是否必须只使用一次只出现一个工具的图像。
如果我要裁剪图像以适合一种工具，即使图像大小不同也可以吗？
谢谢。
【问题讨论】：
标签： python deep-learning resnet image-classification
- 是否可以使用 512 X 288 图像来训练 ResNet 而无需裁剪图像？我不想裁剪图像，因为工具 在图像内相当随机地定位，我认为裁剪 图像也会切断部分工具。
224x224 而您的图像大小为 512x228，那么最简单的解决方案是首先将它们调整为 224x224。仅当由于某些技术原因这对您来说不可能时，然后通过在最后添加全局池来创建一个完全卷积网络。（我猜 ResNet 最后确实有一个 GP，如果没有，您可以添加它。）
- 对于训练集和测试集图像，是否需要在要分类的对象周围画一个矩形？
- 如果多个不同的对象在一个图像中可以吗？我使用的数据集经常有多个工具出现在一张图像中，而我 想知道我是否必须只使用只有一个工具出现的图像 一次。
3.可以在一张图像中有多个不同的对象，只要它们不属于您正在训练的不同类别。也就是说，如果您尝试对苹果和橙子进行分类，很明显，一张图像不能同时包含它们。但如果它包含其他任何东西，螺丝刀、钥匙、人、黄瓜等，就可以了。
- 如果我要裁剪图像以适合一种工具，即使图像大小不同也可以吗？
这取决于您的型号。裁剪和图像大小是两个不同的东西。您可以裁剪任何尺寸的图像，然后将其调整为所需的尺寸。您通常希望所有图像都具有相同的大小，因为它使您的生活更轻松，但这不是一个硬条件，并且根据您的要求，您还可以拥有不同的图像等。
【讨论】：