YOLO系列

问题梳理

（1）当输入图片非方形时，YOLO会自动调整输入图片大小，以适应模型的固定输入尺寸。

模型的输入尺寸和原始图片的尺寸是相关的，但它们的关系需要通过预处理来协调。

①缩放

②填充

③归一化

④边界框调整

（2）训练时数据增强（调整大小之后）：

• 随机裁剪（Random Crop）
• 随机旋转（Random Rotation）（不适用）
• 颜色抖动（Color Jittering）
• 随机翻转（Random Flip）

（3）为什么需要固定输入尺寸？

• 网络结构要求：YOLO的网络结构是基于固定输入尺寸设计的，输入尺寸的变化会导致网络参数不匹配。
• 计算效率：固定输入尺寸可以提高计算效率，因为卷积操作在固定尺寸下更容易优化。
• 硬件限制：固定输入尺寸可以更好地利用GPU的并行计算能力。

（4）输入尺寸对检测结果的影响

• 大尺寸输入：可以保留更多细节，适合检测小目标，但计算量较大，速度较慢。
• 小尺寸输入：计算速度快，但可能丢失细节，适合检测大目标或实时性要求高的场景。

核心函数：letterbox函数

• 功能：对输入图像进行缩放和填充，使其适应指定的目标尺寸 new_shape（默认640x640），并保持图像的纵横比。

处理后图像：