我正在研究Faster R-CNN，有些事情正在困扰我。
在original paper中（在推理实现的详细信息中），他们裁剪了超出图像边界的图像。
例如，Caffe中的BoundingBox转换： https://caffe2.ai/docs/operators-catalogue.html#bboxtransform
还接受im_info张量，该张量用于裁剪生成的锚点。
我不明白的是：为什么im_info必须是张量？不能是一对(img_w, img_h)吗？
我的意思是，假定4D张量中的所有3D图像都具有相同的尺寸。为什么要使用张量为每个图像指定每个尺寸？
我掌握了不同的Faster R-CNN实现（例如this），但没有找到这个问题的答案。
感谢您的回复， 朱塞佩