Pytorch 培训YOLOv3模型架构时,输入图像的大小应该是多少。?
我从头开始实现了一个YOLOv3,我计划使用MS-COCO权重对一些不同的数据进行微调。 我选择的数据集具有720*1280大小的图像 当我浏览YOLOv3纸张时,第一个CONV2d层在那里,过滤器大小=3,跨距=1,输出大小为256*256 有人能给我一个关于YOLO培训部分如何在这里工作的演练吗?来自报纸:Pytorch 培训YOLOv3模型架构时,输入图像的大小应该是多少。?,pytorch,object-detection,yolo,cnn,Pytorch,Object Detection,Yolo,Cnn,我从头开始实现了一个YOLOv3,我计划使用MS-COCO权重对一些不同的数据进行微调。 我选择的数据集具有720*1280大小的图像 当我浏览YOLOv3纸张时,第一个CONV2d层在那里,过滤器大小=3,跨距=1,输出大小为256*256 有人能给我一个关于YOLO培训部分如何在这里工作的演练吗?来自报纸: 如果您希望获得尽可能高的精度/贴图,则在中使用608 x 608作为输入层大小 如果您希望以牺牲准确性为代价获得良好的推理/速度,请使用,320 x 320 如果您需要平衡型,则使用4
- 如果您希望获得尽可能高的精度/贴图,则在中使用
作为输入层大小608 x 608
- 如果您希望以牺牲准确性为代价获得良好的推理/速度,请使用,
320 x 320
- 如果您需要平衡型,则使用
416 x 416
Yolov3
CNN中第一层的大小,因此无需将1280 x 720
图像转换为输入层的大小
建议您阅读以下内容:
- 要了解Yolov3的工作原理,请阅读本文
- 要理解一些基本的东西,请阅读原文
- 了解如何培训自定义对象检测器
- 如果您希望获得尽可能高的精度/贴图,则在中使用
作为输入层大小608 x 608
- 如果您希望以牺牲准确性为代价获得良好的推理/速度,请使用,
320 x 320
- 如果您需要平衡型,则使用
416 x 416
Yolov3
CNN中第一层的大小,因此无需将1280 x 720
图像转换为输入层的大小
建议您阅读以下内容:
- 要了解Yolov3的工作原理,请阅读本文
- 要理解一些基本的东西,请阅读原文
- 了解如何培训自定义对象检测器