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 培训YOLOv3模型架构时，输入图像的大小应该是多少。？

pytorch

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

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
```
416 x 416
```

请注意，第一层会自动将图像大小调整为

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

来自纸张：

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
```
416 x 416
```

请注意，第一层会自动将图像大小调整为

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