resize、重采样、降采样、上采样、下采样

图像变大、变小：resize

改变长宽比

不改变长宽比

变大：重采样/上采样【内插值方法】

变小：降采样/下采样【pooling：maxPooling, averagePooling】

原因

图片过大容易导致模型过大，消耗更多的显存，计算速度慢

使用场景

分类时，如判断一张图片是否是风景，图片大小并不影响特征的提取，如山脉、树木的提取，图变小，照样有。

对于特定的任务，如医疗图像，病灶的识别，是对图片的精确度有依赖的，缩小图片是会有精度损失的，此时应使用crop/切图。

数据不均衡：有的类别多，有的少

重采样

欠采样/下采样：减少大样本类别的数量，抽取

从Smaj 随机舍弃，可能损失有用信息

过采样（上采样）：增加小样本类别的数量

从Smin 中重复或有放回采样，可能造成过拟合

生成新样本，SMOTE方式：
对于少数类样本 a, 随机选择一个最近邻的样本 b, 然后从 a 与 b 的连线上随机选取一个点 c 作为新的少数类样本