深度学习中single crop / multiple crops evaluation/test 是什么意思

最近在ResNet论文中看到了

标准的10-crop测试，此处小记一下。

对于一个分类网络，在测试阶段，使用single crop/multiple crop得到的结果是不一样的，相当于将测试图像做数据增强。

shicaiyang(星空下的巫师)说[1],训练的时候当然随机剪裁，但测试的时候有技巧：

• 单纯将测试图像resize到某个尺度（例如256xN），选择其中center crop（即图像正中间区域，比如224x224），作为CNN的输入，去评估该模型
• Multiple Crop的话具体形式有多种，可自行指定，比如：
  • 10个crops: 取（左上，左下，右上，右下，正中）以及它们的水平翻转。这10个crops在CNN下的预测输出取平均作为最终预测结果。
  • 144个crops：这个略复杂，以ImageNet为例：
    • 首先将图像resize到4个尺度（比如256xN，320xN，384xN，480xN）
    • 每个尺度上去取（最左，正中，最右）3个位置的正方形区域
    • 对每个正方形区域，取上述的10个224x224的crops，则得到4x3x10=120个crops
    • 对上述正方形区域直接resize到224x224，以及做水平翻转，则又得到4x3x2=24个crops
    • 总共加起来得到120+24=144个crops，所有crops的预测输出的平均作为整个模型对当前测试图像的输出