训练网络时如何防止图像数据的冗余？

Question

我有大量不同大小的图像。你知道吗

我想确认一下 -我的训练不是多余的 -我的测试集中的数据都不同（与测试集中的其他数据和训练集中的数据不同）

我所说的“不冗余”，基本上是指检查一个图像是否是另一个图像的裁剪版本（或者最大程度上是同一个图像）。你知道吗

当你在网上工作的时候，你一般是如何处理这种情况的？ 有什么准备好了吗？你知道吗

谢谢你的帮助

K

Answer 1

你要做的事：

将第一个图像添加到集合（a）中，然后逐个解析剩余图像，只将那些不同于（a）中所有图像的图像添加到（a）中。一直迭代到最后一个图像。现在使用集合（A）图像进行训练和测试，即80%的（A）图像用于训练，其余图像用于测试

如何确定：冗余？

简单地说，两个缩放正方形图像是相同的或冗余的，因为它们都有四个直角角（或特征）。如果一个正方形图像被裁剪，那么它也将至少有2个匹配角（或匹配特征）。你知道吗

因此，为了确定冗余图像，您需要找到图像的局部特征，然后计算有多少特征匹配。你知道吗

这可以通过SIFT（scale invariant feature transform）和其他技术（如SURF local feature detector）来实现。使用this文章获得基本理解。你知道吗

Answer 2

好像http://geeqie.sourceforge.net/在耍把戏

谢谢@ThomasPinetz

K