Redimensionamento de imagem e preenchimento para CNN

Quero treinar uma CNN para reconhecimento de imagem. As imagens para treinamento não têm tamanho fixo. Quero que o tamanho da entrada da CNN seja 50x100 (altura x largura), por exemplo. Quando redimensiono algumas imagens de tamanho pequeno (por exemplo, 32 x 32) para inserir o tamanho, o conteúdo da imagem é esticado horizontalmente demais, mas para algumas imagens de tamanho médio parece bom.

Qual é o método adequado para redimensionar imagens e evitar que o conteúdo seja destruído?

(Estou pensando em preencher imagens com 0s para completar o tamanho depois de redimensioná-las em algum grau, mantendo a proporção entre largura e altura. Tudo bem com esse método?)

Esta pergunta sobre stackoverflow pode ajudá-lo. Para resumir, alguns pesquisadores de aprendizado profundo acham que preencher grande parte da imagem não é uma boa prática, pois a rede neural precisa aprender que a área acolchoada não é relevante para a classificação e não é necessário aprender que, se você use interpolação, por exemplo.

Você tem poucas opções:

Para imagens pequenas:

• upsample através da interpolação
• acolchoe a imagem usando zeros

Se você não conseguir manter a proporção por meio de upsampling, poderá fazer upsample e também cortar o excesso de pixels na maior dimensão. É claro que isso resultaria na perda de dados, mas você pode mudar repetidamente o centro de sua colheita. Isso ajudaria seu modelo a ser mais robusto.

Para imagens grandes:

• downsample
• cortar para o tamanho de entrada

Por fim, se você estiver usando uma rede totalmente convolucional (FCN), não precisará redimensionar suas imagens.

TL; DR:

Sim, preenchimento com zeros é uma opção válida.

Você pode fazer o seguinte Primeiro redimensione as imagens até certo ponto e, em seguida, forme a imagem por todos os lados, o que pode ajudar a manter os recursos da imagem.