deep-learning - 人们为 imagenet 实验选择 224x224 图像大小有什么特别的原因吗？

Question

是 224x224 出于某种原因提供了更好的准确性还是只是计算约束？我认为更大的图片应该提供更好的准确性，不是吗？

Answer 1

更大的图像包含更多相关或不相关的信息。输入的大小很重要，因为输入越大，网络需要处理的参数就越多。更多的参数可能会导致几个问题，首先你需要更多的计算能力。然后你可能需要更多的数据来训练，因为很多参数和没有足够的样本可能会导致过度拟合，特别是对于 CNN。
选择来自 AlexNet 的 224 也允许他们应用一些数据增强。

例如，如果您有一张 512x512 的图像并且您想识别那里的对象，最好将其重新采样为 256x256 并获得 224x224 或 200x200 的较小块，进行一些数据增强，然后进行训练。您还可以使用 400x400 的补丁，并进行数据扩充和训练，前提是您有足够的数据。

不要忘记进行交叉验证，以便您可以检查是否存在过度拟合。