Fixing the train-test resolution discrepancy论文解读

这篇论文的思想比较独特，从数据的训练集和测试集的输入分辨率着手进行分析，得出训练数据和测试数据的输入分辨率应该是不一样的，才能在图像分类上达到较好的精度。以前的大部分研究在网络输入的分辨率上基本上是一致的，然而由于训练数据和测试数据在预处理上的不同，导致了网络对图像的表观尺寸上是有偏差的，没有在测试集上达到最好的效果。

表观尺寸和分辨率对性能的影响

在图像分类的神经网络中，通常是接受一个固定大小的输入尺寸，比如，AlexNet的输入分辨率是$224\times 224$。在当前的数据预处理中存在两个问题：

1. resize的操作改变了物体