Q：很多CNN架构模型的输入都是限制了图片大小的，如VGG、ResNet默认是 224224， Xception默认是299
299，如果在我们自己定义model的时候，该如何选择图片尺寸呢？
一般输入图片越大最后的accuracy越高；
首先我们要知道的是一般情况下，图片越大（严格说分辨率越高），图片展现的信息就越多，CNN能提取到的特征就越多，最后的accuracy就越高。但是图片越大带来的计算量也就越大，训练时间也会更长，而且predict的时候耗时也会更多，所以这里需要在你的目标准确率和算力以及耗时之间进行权衡了。结合现有的图片进行评估。
另外就是要结合你的图片进行一个评估，最好让你的图片都可以比较合理地resize到同一个尺寸。比如你的图片大都都是A4纸这样的长方形，那么你可以resize到100140这种，但如果你都要resize到100
Q：如果要固定统一的尺寸大小，而我的图片尺寸大小差别很大，改如何resize呢？
一般有两种方式：
-
插值缩放（Interpolation）；
opencv带有多种插值方式，可以搜索相关资料了解，而我使用的是Python，所以下面是Python使用PIL library的nearest插值的效果。
image.png -
零填充（Zero-padding）；
就是按比例缩放，然后不够目标尺寸的就用0进行填充，如下图（因为转成了灰度图，matplotlib显示如此，所以颜色请忽略）
image.png
具体实现方式可以参考我的代码：
https://github.com/vance-coder/OCR/blob/master/dataAumentation.ipynb
这两种resize方式如何选择呢？
- 首先我们要知道，插值缩放是可能一定程度上会导致图片变形的，这会影响最后的accuracy。但是也是看具体应用场景的，譬如我最近做的检测图像的文本方向，采用的是interpolation，在我的实际应用中看到这种影响也并不大，最后得到的accuracy还是蛮高的；但是如果你做的是文字识别，那么就不能随意缩放了，这很容易导致字体变形等问题。
- 零填充似乎解决了图片变形的问题，但是图片引入了一些不相干的黑块部分（就是0填充的部分），但这一部分实际上是没有用的、不影响结果的，模型得花代价去学习适应它，那么训练上可能会花的时间比较长，这样训练集的数量也就不能太少。
所以总结就是如果训练集少，resize变形时对accuracy影响不大的场景可以考虑interpolation，如果训练集足够多、算力够强，对accuracy要求较高的则可以采用Zero-padding方式。
