اضافی کردن پدینگ به تصویر ورودی یا ریسایز کردن آن قبل از اعمال به شبکه؟

Question

سلام

دوستان بنظرتون هنگام آموزش و تست شبکه که قرار هست تصاویر ورودی را به سایز ثابتی تغییر بدهیم کدام یک از آپشن های زیر منطقی هست و جواب خوبی میدهد:

۱- ریسایز کردن تصویر با از دست دادن حفظ نسبت ابعاد

۲- اضافی کردن پدینگ به تصویر با حفظ نسبت ابعاد

اگر جواب مثبت ۲ هست حالا zero padding or mirror padding خوبه؟
لطفا اگر امکانش هست مستندات لینک کنید یا اینکه دلیلش را هم بفرمایید

Answer 1

سلام این دوتا لینک مفیدند 1 و 2

According to Jeremy Howard, padding a big piece of the image (64*160
pixels) will have the following effect: The CNN will have to learn
that the black part of the image is not relevant and does not help
distinguishing between the classes (in a classification setting), as
there is no correlation between the pixels in the black part and
belonging to a given class. As you are not hard coding this, the CNN
will have to learn it by gradient descent, and this might probably
take some epochs. For this reason, you can do it if you have lots of
images and computational power, but if you are on a budget on any of
them, resizing should work better.

Comments

ممنون از شما
متوجه نشدم دلیل این رو که وقتی تصایر زیادی داشته باشیم و سخت افزار قوی چرا پدینگ مناسبه و در غیر اینصورت ریسایز بهتره.
اگر شما دلایلشو میدانید لطفا توضیح دهید

---

طبق گفته ایشون تا میاد شبکه بفهمه یکسری قسمت تصویر padding هست و تاثیری نداری تعداد epoch بیشتری طول میکشه و در نتیجه زمان بیشتری میبره
برای همین اگه یک سرور GPU اجاره کردین و به ازای زمان دارین پول میدین ولش کنین همون resize کنین بره
این برداشت من بود!
نظرشخصی خودم اینه که اگه خیلی اندازه تصاویر با هم متفاوت نیستند padding نیاز نیس
اگه خیلی حساسه میشه با اندازه مختلف train کرد یکجورایی مثل data-agumentation

---

نسبت ابعاد ورودی شبکه 2 هست و نسبت ابعاد تصاویر تقریبا 5 هستند بنظرتون اینجا ریسایز بهتره یا پدینگ با مقادیر صفر؟