머신러닝 궁금한점

[익명(121.135)]

input이 보통 작은 사이즈고, 고정되어 있잖음 ex) 256x256

output도 거기에 해당하는 값이 나오거나 더 작은 해상도에서의 값으로 잘나오는데

이게 어떻게 실제 카메라같은 고해상도 이미지에 적용이 되는거임??

지금 떠오르는 방법은

input도 사이즈 조절해서 머신러닝 돌리고,

output도 그 해상도에 맞게 계산해서 조절하는거밖에 없는데

그러면 너무 정보가 사라져 있는거 아님?? 그정도도 충분한가?

[ㅇㅇㅇ(175.223)]

이미지를 같은형식으로 니가 만들어야지 새끼야 한번두 안해봣지!

[익명(121.135)]

같은 형식이라는게 무슨말임? 내가 쓴글이랑 다른방법임?

[익명(118.235)]

Resize

[익명(121.135)]

그게 충분하냐고 물어보는 글임

[익명(223.62)]

초해상화 말하는거임?

[익명(121.135)]

4096x4096 이미지를 저 모델에 돌리려고 크기 줄여서 256 x 256 으로 만들고 거기서 나오는 output을 다시 뻥튀기 계산해서 4096x4096 여기다가 적용시켜서 그렇게 output이 나온거처럼 만드는게 일반적인 방법이냐 이거임

[익명(121.135)]

실제로는 그 해상도에 적용된게 아니라 정보가 256x256사이즈로 없어진거잖음

[익명(223.62)]

4096x4096이면 자원이 너무 소모되서 ㅇㅇ 근데 256까지 줄이면 정보손실이 많이 일어나긴할듯

[익명(223.62)]

근데 저런거 크기 축소할 때 데이터 최대한 남기려고 똥꼬쇼하는게 딥러닝에서 제일 중요한 부분이라 우리들이 모르는거지 어떤 천재가 크게 축소해도 데이터를 별로 잃어버리지 않는 방식을 이미 만들었을듯

[익명(2.58)]

resize는 딥러닝 모델이 아니라 cpu에서 처리하는 전처리프로세스(ex. torchvision.transforms)에서 발생하고, 직사각형 이미지를 center crop 한 다음 그 이미지를 모델이 원하는 (batch, C=3, H, W) 텐서로 리사이즈 함

[익명(2.58)]

테스트 할 때 5 -way-crop 이라던지, 모델 앙상블링이라던지 한 이미지에 대해서 같은 뉴럴넷에 훨씬 더 많이 forward 시켜서 나온 결과를 종합하는 등 테스트할 때 성능 끌어올리려고 똥꼬쇼를 많이 하는 편임