我在服务器上有大约200GB+图像(约6000 * 6000(数据。出于可移植的原因，我希望我可以将其大小(cv2(调整为(1000 * 1000(，然后将数据传输到另一个云，然后重新调整为(512 * 512(并执行一些简单的分类任务。调整大小将为我节省很多生命。我只是想知道这样做，除了将6000 * 6000直接调整为512 * 512之外，数据是否会丢失一些信息？
结果应该不同，但我不知道它会如何影响我的模型准确性。
img2= cv2.resize(img, (1000, 1000))
img3=cv2.resize(img, (512, 512))
img4=cv2.resize(img2, (512, 512))
img3==img4
array([[[ True, True, True],
[ True, True, True],
[ True, True, True],
...,
[ True, False, True],
[ True, False, True],
[ True, True, True]],
[[ True, True, True],
[ True, True, True],
[ True, True, True],
...,
[ True, True, False],
[ True, True, True],
[ True, True, True]],
[[ True, True, True],
[ True, True, True],
[ True, True, True],
...,
[ True, False, True],
[ True, True, True],
[ True, True, True]],
...,
[[ True, True, True],
[ True, True, True],
[ True, True, True],
当然，你会丢失信息。
假设您有一个 4 x 4 的图像：
xxxx
xoxo
xxxx
xoxo
示例图像是二进制的。现在，您将分辨率更改为 2 x 2。块，例如
xx
xo
需要在由新分辨率定义的新栅格中分配x或o，因此它们更改为x。结果是一个新的 2 x 2 图像：
xx
xx
现在，您将它更改回 4 x 4 的分辨率。但是，在 2 x 2 图像中不再有任何可用o的信息，因此缩小会导致：
xxxx
xxxx
xxxx
xxxx
这显然是不同的。
这是一个微不足道的例子，发生多少数据丢失取决于格式的实现，特别是数据的重新呈现和存储方式。但总的来说 - 是的，显然存在信息丢失。
作为一个建议 - 根据你需要做什么，你可以将图像的 chucks 发送到服务器，对这些进行分类，接收结果，发送下一个 chuck，等等。当然，如果您希望对跨越整个图像的对象进行分类，那么这将不起作用。