精度取决于图像大小

Question

我想知道如果我的观点是正确的或没有：

如果我们考虑一个特定的模式，能够以计算表示正确分类的准确性执行多个复杂的计算大图像数据库输入的速率。 注意：所有图像的尺寸为：300 x 200像素。

• FIRST

  的图像尺寸减小至180×180，所以该模型然后，通过使用这些调整大小的图像数据库来计算。

• 其次

  的图像尺寸减小至120×120，所以该模型然后，通过使用这些调整大小的图像数据库来计算。

在这种情况下，当图像的大小增加时，准确度是否增加？ （确保时间复杂度增加）

并且当图像的尺寸减小时（像第二点：从180x180到120x120），准确度也会降低？ （但要确保时间复杂度降低）。

我需要你的意见和简短的解释。任何帮助将非常感激！

Answer 1

答案是“这取决于”。这取决于你正在努力解决的具体问题。如果您正在训练分类器以确定图像是否包含脸部，则可以稍微减小图像的大小来避开。 32x32是面部检测器常用的尺寸。另一方面，如果您试图确定它的面貌，您很可能需要更高分辨率的图像。

想想这样：减小图像的大小会去除高频信息。您移除的越多，您的表示变得越不具体。我认为减小图像尺寸会减少误报并增加误报，但是，这又取决于您想要分类的类别。对于任何特定的问题，可能存在一个“甜蜜点”，这是一种可以产生最大精度的图像大小。