问题描述
我正在用Pytorch学习图像分类。我发现一些论文代码使用“ CenterCrop”对训练集和测试集进行了编码，例如调整为更大的尺寸，然后应用CenterCrop获得较小的尺寸。较小的尺寸是该研究方向上的一般尺寸。
根据我的经验，与没有在测试集上使用CenterCrop相比，应用CenterCrop可以显着改善测试（例如1％或2％）。
因为它在顶级会议论文中使用，使我感到困惑。那么，是否应该使用CenterCrop将这个计数设置为作弊测试？另外，除了“调整大小”和“规范化”之外，我是否应该使用任何数据扩充来测试设置？
谢谢您的回答。
解决方法
那不是作弊。您可以应用任何扩充，只要不使用标签即可。
在图像分类中，有时人们使用FiveCrop + Reflection技术，该技术将五种作物（中心，TopLeft，TopRight，BottomLeft，BottomRight）及其反射作为增强。然后，他们可以预测每种作物的分类概率并取平均结果，通常以10倍的运行时间提高性能。
在分割中，人们还使用类似的测试时间增强“多尺度测试”，即在将输入图像输入网络之前将其调整为不同的比例。预测也要平均。
如果您确实使用了这种扩充，请在与其他方法进行比较时进行报告，以进行公平比较。