Как разрешение изображения влияет на результат и точность в Keras?

#python-2.7 #tensorflow #keras

Вопрос:

Я использую Keras (с серверной частью Tensorflow) для проекта классификации изображений. У меня есть в общей сложности почти 40 000 изображений с высоким разрешением (1920×1080), которые я использую в качестве входных данных для обучения. Обучение занимает около 45 минут, и это становится проблемой, поэтому я подумал, что мог бы ускорить процесс, снизив разрешение файлов изображений. Глядя на код (я не писал его сам), кажется, что все изображения в любом случае изменены до 30×30 пикселей перед обработкой

У меня есть два общих вопроса по этому поводу.

Разумно ли ожидать, что это улучшит скорость обучения?
Повлияет ли изменение размера входных файлов изображений на точность классификации изображений?

1. Вы также должны определить, сколько из этих 45 минут уходит на изменение размера изображений. Если бы вы изменили размер (до 30×30), сохранили изображения (в виде файлов), а затем просто прочитали их (вместо изменения размера), то вы получили бы те же результаты, что и сейчас, за меньшее время. Вы бы обменяли время обработки на объем памяти.

Ответ №1:

1- Конечно, это повлияет на скорость обучения, поскольку пространственные размеры являются одним из наиболее важных параметров быстродействия модели. 2- Мы можем с уверенностью сказать, что это повлияет на точность, но насколько точно это зависит от многих других аспектов, таких как то, какие объекты вы классифицируете и с каким набором данных вы работаете.