机器学习和不同大小的图像

Question

假设我有一个机器学习系统，它学会了识别图像是否包含物体（例如汽车）。

我的问题如下，当系统接收到不同尺寸的图片时怎么办？例如，训练集可能由 1000x700 像素的图像组成，但现实世界并不是那么统一，可以期望图像为 700x1000、700x400 ...

第一个冲动是将图像调整为与训练集大小相同，但这感觉很脏而且没有多大用处。

我是不是漏掉了什么明显的东西？此外，即使对于训练集，我假设假设每张图像都具有固定大小（再次假设 1000x700 像素）并没有真正意义。

此外，如果使用滑动 window 技术，可能会出现同样的问题，因为确定什么是正确的 window 大小并不容易。

我想这一定是一个比较普遍的问题，所以一定有一套共同的解决方案，有什么想法吗？

Answer 1

是的。常见的解决方案是

1. 调整大小和裁剪 -- 缩小或放大图像，直到两个尺寸至少达到所需尺寸。然后将照片裁剪成常用尺寸。
2. 裁剪 -- 提取常用大小的裁剪，必要时进行填充。

现在...裁剪通常是通过一系列裁剪照片完成的：所有四个角和中心。在上面的（1）中，只有三张图片，而不是五张。