如何选择最优的图像尺寸来训练卷积神经网络？（附代码）

新机器视觉 · 公众号 · · 2024-10-16 22:37

主要观点总结

本文介绍了在自定义数据集上训练卷积神经网络时，如何选择最优图像尺寸的问题。文章讨论了选择错误图像尺寸的后果，并提供了选择最佳训练图像尺寸的步骤。此外，还介绍了如何可视化数据集中图像的尺寸分布情况，并展示了如何处理可能存在错误的数据。

关键观点总结

关键观点1: 选择正确的图像尺寸对卷积神经网络的训练时间和性能至关重要。

错误的图像尺寸选择可能导致模型训练困难，影响模型性能。

关键观点2: 选择最佳训练图像尺寸分为两步：可视化数据集中图像大小和分析数据分布情况。

以Oxford-IIIT宠物数据集为例，介绍了具体步骤和代码实现。

关键观点3: 大多数图像的分辨率小于500x500，但建议根据数据集情况逐渐调整图像大小，以提高模型的泛化能力。

对于不同的图像分辨率，模型需要有较好的泛化能力。

关键观点4: 检查数据中的错误问题也很重要，包括错误标记的数据和某些类图像的分辨率过高或过低。

使用Lasso Selector来选择和删除可能存在问题的数据点。

正文

作者 | Aravind Ramalingam @medium

原文 | https://medium.com/analytics-vidhya/how-to-pick-the-optimal-image-size-for-training-convolution-neural-network-65702b880f05

编辑 | AI约读社

导读

在自定义数据集上训练卷积神经网络时，选择正确的图像尺寸至关重要，因为这将影响模型的训练时间和性能。此外，我们将学习如何识别数据集是否存在任何问题。

为什么需要选择最优的图像大小来训练？

在我们跳到“如何选择”这一部分之前，让我们先讨论一下选择错误了训练图像尺寸的后果。在我们选择了固定的 width 和 height 之后，标准程序是将所有图像的大小调整到这个固定的大小。因此，现在每个图像都落入到两种情况当中。

缩小：较大的图像将被缩小，这使得CNN更难了解分类或检测所需的特征，因为关键特征所在的像素数量将显著减少。
放大：当小图像被放大并用零填充时，我们必须知道填充部分对分类没有影响。较大的图像训练速度也较慢，可能需要更多显存。

因此，我们必须选择自己的训练图像尺寸，我们越接近最佳图像大小，效果就越好。

如何获取最佳图像尺寸？

我们将选择合适的最佳训练图像尺寸的步骤分为两步，第一步是可视化数据集中图像大小，第二步是分析数据分布情况选择最佳训练尺寸。 关注公众号，后台回复：图像尺寸，即可获得原文代码 。

这里我们以 Oxford-IIIT 宠物数据集为例

数据集链接： https://www.robots.ox.ac.uk/~vgg/data/pets/

# 导入库import pandas as pdimport matplotlib.pyplot  as pltfrom PIL import Imagefrom pathlib import Pathimport imagesizeimport numpy as np
# 获取图像路径imgs = [img.name for img in Path(root).iterdir() if img.suffix == ".jpg"]img_meta = {}for f in imgs: img_meta[str(f)] = imagesize.get(root+f)
# 将其转换为 Dataframe 并计算纵横比img_meta_df = pd.DataFrame.from_dict([img_meta]).T.reset_index().set_axis(['FileName', 'Size'], axis='columns', inplace=False)img_meta_df[["Width", "Height"]] = pd.DataFrame(img_meta_df["Size"].tolist(), index=img_meta_df.index)img_meta_df["Aspect Ratio"] = round(img_meta_df["Width"] / img_meta_df["Height"], 2)
print(f'Total Nr of Images in the dataset: {len(img_meta_df)}')img_meta_df.head()

该数据集有 7000 多张不同大小和分辨率的图像，通过下面代码可视化数据集中图像的尺寸分布情况。

# 可视化图像分辨率fig = plt.figure(figsize=(8, 8))ax = fig.add_subplot(111)points = ax.scatter(img_meta_df.Width, img_meta_df.Height, color='blue', alpha=0.5, s=img_meta_df["Aspect Ratio"]*100, picker=True)ax.set_title("Image Resolution")ax.set_xlabel("Width", size=14)ax.set_ylabel("Height", size=14)

从第一个图中，看起来大多数图像的分辨率小于 500 x 500。放大后，我们可以清楚地看到图像尺寸聚集在 300 或 500 左右。我对这个数据集的建议是开始训练神经网络图像大小为 300 并逐渐增加到 400 并以大小为 500 完成。这样，对于不同的图像分辨率，该模型都具有较好的泛化能力。

检查错误的数据

1.如果我们可以在检查图中的点的同时看到底层图像，那不是很好吗？这可以帮助我们确定以下潜在问题。

错误标记的数据：可能会混淆模型。
某些类图像的分辨率很高或很低：可能会使模型产生偏差。

2.检查后，如果我们认为需要删除某些数据点，则使用Lasso Selector来实现。

# Import librariesfrom matplotlib.widgets import LassoSelectorfrom matplotlib.path import Path as mplPath
# Lasso Selection of data pointsclass SelectFromCollection:  def __init__(self, ax, collection, alpha_other=0.3):    self.canvas = ax.figure.canvas    self.collection = collection
    self.xys = collection.get_offsets()    self.lasso = LassoSelector(ax, onselect=self.onselect)    self.ind = []
  def onselect(self, verts):    path = mplPath(verts)    self.ind = np.nonzero(path.contains_points(self.xys))[0]    self.canvas.draw_idle()