通常人们在训练卷积神经网络时，会将任何图像简单调整为正方形（例如resnet采用224x224的正方形图像），但我认为那样看起来很丑，尤其是当宽高比不为1时。
实际上，这可能会改变正确答案。例如，专家给出扭曲图像的标签可能与原始图像不同。
因此，现在我将图像调整为保持原始宽高比的224x160，然后用0填充图像（通过将其粘贴到全黑的224x224图像的随机位置）。
我的方法对我来说似乎并不原创，但我无法找到任何关于我的方法与“通常”方法的信息。
那么，哪种方法更好？为什么？（如果答案取决于数据，请分享您对何时使用其中一种方法的想法。）
很抱歉回答晚了，但这个答案适用于任何面临相同问题的人。
首先，如果缩放并改变宽高比会影响某些重要特征，则必须使用零填充。
零填充不会因为大黑区域本身而使网络学习时间更长，而是因为未填充图像在填充后可能出现的不同位置。因为可以用多种方式对图像进行填充。
对于零像素区域，卷积操作的输出为零。最大或平均池化也是一样。此外，您可以证明在某些激活函数（例如relu、sigmoid）下，如果与该权重相关联的输入为零，则在反向传播后权重不会被更新。因此，从这个意义上说，大面积不会对权重进行任何更新。
然而，未填充图像相对填充图像的位置确实会影响训练。这不是由于卷积层或池化层，而是由于最后一个完全连接的层。例如，如果未填充图像相对于填充图像的左侧，且展平最后一个卷积或池化层的输出为[1,0,0]，而相同未填充图像相对于填充图像的右侧，展平后的输出为[0,0,1]，则完全连接的层必须学习[1,0,0]和[0,0,1]是分类问题中相同的东西。
因此，学习图像不同可能位置的等变性会使训练时间更长。如果你有100万张图片，那么在调整大小后你将拥有相同数量的图片；另一方面，如果你要填充并考虑不同可能的位置（每张图片随机选取10个），那么你将拥有1000万张图片。也就是说，训练将需要10倍的时间。