이미지 분류를위한 사각형이 아닌 이미지

넓은 이미지의 데이터 세트가 있습니다 : 1760x128. 튜토리얼과 책을 읽었지만 대부분은 입력 이미지가 정사각형이어야하며 그렇지 않은 경우 이미 훈련 된 (정사각형 이미지) cnn에서 훈련을 받기 위해 정사각형으로 변환됩니다. 정사각형이 아닌 이미지에 대해 cnn을 훈련시키는 방법이 있습니까, 아니면 다른 옵션을 패딩으로 찾아야합니까?

분류기에 따라 문제를 해결하는 방법에는 여러 가지가 있습니다. 슬라이딩 윈도우는 내가 가장 친숙한 방법으로 신경망 방법에 사용됩니다. 이 방법에는 작은 하위 이미지를 가져 와서 약간의 겹침으로 위아래로 이동하는 것이 포함됩니다. 일부 문제에는 최적의 시프트 매개 변수 및 다중 스케일 문제 찾기가 포함됩니다.

최종 탐지는 일반적으로 분류자가 각 하위 이미지가 해당 클래스에 속하는지 얼마나 확신하는지에 따라 결정됩니다 (예 : 과반수 투표, 총 가능성 또는 결정 경계와의 총 거리). 아래에 일부 자료를 나열했습니다. 첫 번째는 HOG 분류기 방법에 대한 것이지만 개념은 동일합니다.

1. 물체 감지 슬라이딩 윈도우
2. 객체 범주 감지 : 슬라이딩 윈도우
3. 컨볼 루션 네트워크를 이용한 과적 통합 인식, 현지화 및 탐지

CNN을 사용하는 경우 아무런 문제가 발생하지 않습니다. 나는 얼굴을 인식하기 위해 CNN을 만들었고, 얼굴의 높이는 보통 70 % 정도이기 때문에 80x100 픽셀의 훈련 이미지를 사용했습니다 (머리가 비스듬한 경우 약간의 추가 너비). 그래도 필터는 정사각형이어야합니다.

모든 변경 사항은 이제 크기를 알려주는 하나의 값 대신 활성화 / 풀링 맵의 너비와 높이를 추적해야한다는 것입니다. 예를 들어-

80 x 100의 입력 이미지 Apply 5 x 5 회선 필터는 76 x 96에서 활성화 맵을 제공합니다. 2 x 2 풀링 적용은 38 x 48에서 풀링 된 활성화 맵을 제공합니다.