Mask R-CNN的最佳图像尺寸，使用预训练模型（Keras，Tensorflow）更快的R-CNN

Question

许多现有的Tensorflow和Keras CNN代码示例使用相同的大小来训练图像，通常为299 * 299,244 * 244,256 * 256，以及更多。我认为这部分取决于与预先训练的模型以及架构本身的兼容性。

我仍在评估架构，但最终可能会使用Resnet，Inception或Xception，以及Tensorflow或Keras，使用Mask R-CNN（或者可能更快的R-CNN）。要分析的目标图像在1024 * 1024的范围内，但可以分成更小的分区。

鉴于可用的预训练模型，是否有训练图像尺寸可以提供任何优势？我想避免之后调整大小，因为在某些情况下会降低图像的清晰度。

Answer 1

好的，我找到了部分答案：

Girshick的快速R-CNN显然对输入图像进行内部缩放，使得它们的较短尺寸为600像素，但较大的边缘被钳制在1000像素。听起来这是由于可用GPU的内存限制。

鉴于图像缩放将导致CPU命中，并且还会导致边缘的一些混叠，似乎在预处理图像方面可能有优势。

我还没有找到Mask R-CNN的等效信息。

Answer 2

根据Matterport的实现（可在此处https://github.com/matterport/Mask_RCNN中找到），图像的输入大小为1024x1024。此外，在论文中，他们提到它们使用1024像素作为输入运行的城市景观（我相信请查看附录b）。