这可能是一个基本的概念性问题，但是在阅读不同的CNN（例如VGG，Alexnet，GoogleNet等）后，似乎已经对模型进行了针对特定图像尺寸的输入训练（例如256x256），我可以t在推断过程中为模型提供不同的图像大小（1,920 x 1,080），而无需调整大小或裁剪。这是真的吗？
我知道YOLO可以处理不同分辨率的图像，Yolo是否在将图像提供给卷积层之前对其进行了大小调整？
我的要求是对可能不具有相同图像尺寸的一系列图像进行对象识别，显而易见的方法是调整图像的大小，但这可能会导致图像信息丢失。
如果是这样，我是否需要针对我拥有的每种图像尺寸训练模型，然后每次针对该特定图像重新加载模型？
答案 0 :(得分：1)
还有更多概念上的问题，VGG，AlexNet，GoogleNet是图像分类模型，而YOLO是对象检测模型。只有网络完全卷积，它才能接受大小可变的图像。
因此，您唯一的选择是将图像调整为通用大小，这在实践中效果很好，因此您应该这样做并评估不同的图像大小，以查看准确性如何变化。只有在进行了这样的实验之后，您才能确定调整大小是否合适。