作者丨小馬
編輯丨極市平臺(tái)
本文原創(chuàng)首發(fā)于極市平臺(tái)公眾號(hào)，轉(zhuǎn)載請(qǐng)獲得授權(quán)并標(biāo)明出處。

【寫在前面】

盡管近年來(lái)卷積神經(jīng)網(wǎng)絡(luò)很大地促進(jìn)了計(jì)算機(jī)視覺(jué)的發(fā)展，但一個(gè)重要方面很少被關(guān)注：圖像大小對(duì)被訓(xùn)練的任務(wù)的準(zhǔn)確性的影響 。通常，輸入圖像的大小被調(diào)整到一個(gè)相對(duì)較小的空間分辨率(例如，224×224)，然后再進(jìn)行訓(xùn)練和推理。這種調(diào)整大小的機(jī)制通常是固定的圖像調(diào)整器（image resizer）（如：雙行線插值）但是這些調(diào)整器是否限制了訓(xùn)練網(wǎng)絡(luò)的任務(wù)性能呢？ 作者通過(guò)實(shí)驗(yàn)證明了典型的線性調(diào)整器可以被可學(xué)習(xí)的調(diào)整器取代，從而大大提高性能 。雖然經(jīng)典的調(diào)整器通常會(huì)具備更好的小圖像感知質(zhì)量（即對(duì)人類識(shí)別圖片更加友好），本文提出的可學(xué)習(xí)調(diào)整器不一定會(huì)具備更好的視覺(jué)質(zhì)量，但能夠提高CV任務(wù)的性能。

在不同的任務(wù)中，可學(xué)習(xí)的圖像調(diào)整器與baseline視覺(jué)模型進(jìn)行聯(lián)合訓(xùn)練。這種可學(xué)習(xí)的基于cnn的調(diào)整器創(chuàng)建了機(jī)器友好的視覺(jué)操作，因此在不同的視覺(jué)任務(wù)中表現(xiàn)出了更好的性能 。作者使用ImageNet數(shù)據(jù)集來(lái)進(jìn)行分類任務(wù)，實(shí)驗(yàn)中使用四種不同的baseline模型來(lái)學(xué)習(xí)不同的調(diào)整器，相比于baseline模型，使用本文提出的可學(xué)習(xí)調(diào)整器能夠獲得更高的性能提升。

背景

目前的resize方法一般都是已經(jīng)設(shè)計(jì)好的，不可學(xué)習(xí)的，典型的有NEAREST，BILINEAR，BICUBIC。

我們先來(lái)看看這些resize算法的不同效果：

原圖：

NEAREST：

BILINEAR：

BICUBIC：

可以看出，對(duì)人來(lái)說(shuō)，不同的resize方法差別還是蠻大的。那么對(duì)于模型來(lái)說(shuō)應(yīng)該采用什么樣的resize方法呢？為此，作為提出了采用可學(xué)習(xí)的resizer model來(lái)對(duì)圖片進(jìn)行resize，以進(jìn)一步提高CV任務(wù)的性能。

1. 論文和代碼地址

Learning to Resize Images for Computer Vision Tasks

論文地址：https://arxiv.org/abs/2103.09950

代碼地址：未開源

全文鏈接：別魔改網(wǎng)絡(luò)了，Google研究員：模型精度不高，是因?yàn)槟愕腞esize方法不夠好

關(guān)注極市平臺(tái)公眾號(hào)，獲取最新CV干貨。

總結(jié)

以上是生活随笔為你收集整理的别魔改网络了，Google研究员：模型精度不高，是因为你的Resize方法不够好的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。