R 训练集和测试集的分辨率必须相同吗？

我想知道训练集是否应该与测试集具有相同的分辨率。我想做一个物体识别的CNN。我的数据集比我在网上找到的数据清晰得多。问题是我在数据集中只找到了30个可以标记的对象。来自网络的数据已经标记了200多张图片，但分辨率更差。这是我的数据和来自web的数据示例：。

我的两分钱：如果你有相同分辨率的图像，肯定会有帮助

当你加载一幅图像时，你会得到一个矩阵，每个像素有一组数字。您的神经网络将尝试识别标记图像的共同模式，然后在测试中查找这些模式

由于图像不同，这些模式在测试数据集中实际上并不相同，这肯定会对结果产生负面影响

一个愚蠢的例子是，如果你试图识别屋顶上的天线而不是太阳能电池板。在图像中，天线具有某种形状，而在网络图像中，天线仅为一个像素。这将使测试数据集完全无用

---

然而，这两张图片中的太阳能电池板具有非常清晰的特征（形状、颜色、对比度、轮廓），我相信您还是应该尝试一下，因为在这种情况下，不同的分辨率可能不会有太大问题。

谢谢您的回答！我的照片中的白色边框不会对模特产生负面影响吗？老实说，我不确定这一点，但是如果我不得不猜测的话，我会说不。但是，你可以而且应该掩盖这些。不应该太难，因为像素将具有所有相同的值（在黑白图像中为1），并且它们将具有非常特定的位置。这到底是一个

r

和

keras

问题吗？