Pytorch 具有不同图像大小的火炬模型前进

我正在测试一些著名的计算机视觉模型：UNet，FC-DenseNet103， 我用224x224随机裁剪的补丁对它们进行训练，并在验证集上进行同样的训练。 现在，当我在一些视频上运行推断时，我直接将帧传递给它（1280x640），它就工作了。它在不同的图像大小上运行相同的操作，并且从不出错。它实际上提供了一个很好的输出，但是输出的质量取决于图像的大小。。。 我已经很久没有使用神经网络了，但当我使用tensorflow时，我记得我必须将输入图像裁剪到训练裁剪尺寸

---

为什么我不需要再这样做了？引擎盖下发生了什么？

您使用的模型似乎没有线性层。因此，卷积层的输出直接进入softmax函数。softmax函数的输入不采用特定形状，因此它可以采用任何形状作为输入。因此，您的模型可以处理任何形状的图像，但如果图像形状与您培训的图像形状不同，您的模型的准确性可能会差得多。

模型文档中始终有一个特定的输入大小。你应该用这个尺寸。这些是当前模型的局限性

对于UNET，这甚至可能是一个比率。我认为这取决于执行情况

请注意调整大小：

• transform.Resize（（h，w））

• transform.Resize（d）

在

（h，w）

的情况下，输出大小将与此匹配

在

d

大小的第二种情况下，图像的较小边缘将与

d

匹配

例如，如果

高度>宽度

，则图像将重新缩放为

（d*高度/宽度，d）

---

这样做的目的是不破坏图像的纵横比。

这很有趣，因为如果我自己强制滑动窗口，结果会比我直接输入整个图像时糟糕得多。当然，我需要一些边界条件，但即使在这种情况下，结果似乎也很糟糕，这可能是因为随机裁剪有时会将图像裁剪成无关紧要的东西。您是否尝试过使用类似于

transforms.Resize（）