長方形の学習例がなぜ少ないのか

Question

以下の質問に関連する質問です。
(下記の質問もまだ解決していないため、もし分かる方がいましたら教えていただけると幸いです。)
https://teratail.com/questions/199682

現在長方形の画像に関して画像認識の学習を行おうとしています。しかし、どの論文を見ても正方形の画像を学習に使っているものが多い理由を伺いたいです。
アスペクト比が1:1ではない画像を学習したい場合リサイズしてから学習すると精度が落ちてしまうと考えています。できるだけ画像の情報量を減らさないようにそのままの形で学習を行いたいのですが、一般的な方法ではないのでしょうか？
もし長方形のままでの学習を行っている論文やコードがありましたら教えていただけますか？

Comments

[Q71]

https://arxiv.org/abs/1506.01497
P12とか

[Nyankoy]

ありがとうございます。参考にさせて頂きます！

Answer 1

現在長方形の画像に関して画像認識の学習を行おうとしています。しかし、どの論文を見ても正方形の画像を学習に使っているものが多い理由を伺いたいです。

正方形でなければいけないという理由は特にありません。
長方形でも問題ないです。

アスペクト比が1:1ではない画像を学習したい場合リサイズしてから学習すると精度が落ちてしまうと考えています。

カメラで撮影された画像は 4:3, 16:9 など横長なので、データセットの画像も横長のものが多いです。
現状、世間に出ている実験結果等はそれを正方形にリサイズして学習したものがほとんどですが、それで精度が出ているのであまり問題とはされていません。

もし長方形のままでの学習を行っている論文やコードがありましたら教えていただけますか？

入力が長方形の論文は見かけたことはないですね。
でも論文に記載のモデルはあくまで一例に過ぎないので、それに従う必要はありません。
ResNet や VGG などをベースに入力層のサイズなどを適宜変更すればよいのではないでしょうか。
中で concat 等している場合、入力サイズの変更で形状が合わなくなる可能性があるので、入力層以外も変更する必要があるかもしれません。

---

アスペクト比が極端に縦長、横長等でなければ、正方形にリサイズしても、人が認識するのに問題ない程度であれば、リサイズしてしまってもよいと思います。

Comments

[Nyankoy]

ありがとうございます。現在使用しているネットワークは入力と出力サイズを変えるだけではうまく動かなかったため、その原因をまずは究明したいと思います。長方形の学習プログラムが上手く動かないようであれば、正方形にリサイズしてからの学習で行います。リサイズの部分ではなくほかの点でも精度をあげられる点があると思うので。またQ71さんが載せてくださった論文にも目を通してみたいと思います。