假设我有一个机器学习系统，它已经学会了识别图像中是否包含某个对象（例如一辆汽车）。
我的问题是，当系统接收到不同尺寸的图像时该怎么办？例如，训练集可能由1000×700像素的图像组成，但现实世界并非如此统一，我们可能会遇到700×1000、700×400等不同尺寸的图像。
最初的想法可能是将图像调整到与训练集相同的尺寸，但这样做感觉不太恰当，也不是真正有用的方法。
我是不是忽略了什么显而易见的事情？另外，即使对于训练集，我也认为假设每张图像都是固定尺寸（例如1000×700像素）并不合理。
此外，如果使用滑动窗口技术，可能会遇到同样的问题，因为很难确定正确的窗口尺寸。
我认为这应该是一个相当常见的问题，因此一定有一套常见的解决方案，有什么建议吗？
回答：
是的。常见的解决方案包括：
- 调整大小并裁剪 – 将图像缩小或放大，直到两个维度都达到所需尺寸。然后将照片裁剪到常用尺寸。
- 裁剪 – 提取常用尺寸的裁剪部分，必要时进行填充。
现在…裁剪通常是通过一系列裁剪后的照片完成的：四个角和中心。在上面的方法（1）中，只会有三张图像，而不是五张。
