作者丨小马
编辑丨极市平台
本文原创首发于极市平台公众号，转载请获得授权并标明出处。
【写在前面】
尽管近年来卷积神经网络很大地促进了计算机视觉的发展，但一个重要方面很少被关注：图像大小对被训练的任务的准确性的影响 。通常，输入图像的大小被调整到一个相对较小的空间分辨率(例如，224×224)，然后再进行训练和推理。这种调整大小的机制通常是固定的图像调整器（image resizer）（如：双行线插值）但是这些调整器是否限制了训练网络的任务性能呢？ 作者通过实验证明了典型的线性调整器可以被可学习的调整器取代，从而大大提高性能 。虽然经典的调整器通常会具备更好的小图像感知质量（即对人类识别图片更加友好），本文提出的可学习调整器不一定会具备更好的视觉质量，但能够提高CV任务的性能。
在不同的任务中，可学习的图像调整器与baseline视觉模型进行联合训练。这种可学习的基于cnn的调整器创建了机器友好的视觉操作，因此在不同的视觉任务中表现出了更好的性能 。作者使用ImageNet数据集来进行分类任务，实验中使用四种不同的baseline模型来学习不同的调整器，相比于baseline模型，使用本文提出的可学习调整器能够获得更高的性能提升。
背景
目前的resize方法一般都是已经设计好的，不可学习的，典型的有NEAREST，BILINEAR，BICUBIC。
我们先来看看这些resize算法的不同效果：
原图：
NEAREST：
BILINEAR：
BICUBIC：
可以看出，对人来说，不同的resize方法差别还是蛮大的。那么对于模型来说应该采用什么样的resize方法呢？为此，作为提出了采用可学习的resizer model来对图片进行resize，以进一步提高CV任务的性能。
1. 论文和代码地址
Learning to Resize Images for Computer Vision Tasks
论文地址：https://arxiv.org/abs/2103.09950
代码地址：未开源
全文链接：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
关注极市平台公众号，获取最新CV干货。
