這里一般有常見的幾種方法：

1）將圖像縮放成大小一致后再輸入，如RCNN算法

2）roi pooling：這里允許輸入圖像的大小不一樣，后續(xù)根據(jù)指定的固定大小來(lái)求解池化的核大小，以此來(lái)得到相同大小的特征圖，如我目標(biāo)是得到7*7的特征圖，這時(shí)候我有一個(gè)圖像是14*14，有一個(gè)圖像是21*21，則前一個(gè)圖像的池化卷積核為2*2，后一個(gè)池化卷積核為3*3這樣就保證了最后得到的特征圖都是7*7，這種方法稱之為roi pooling,但是會(huì)出現(xiàn)浮點(diǎn)數(shù)，這種方法直接取整，導(dǎo)致特征不完整，主要用在FASTER RCNN，在MASKrcnn中有所改進(jìn)，用的是roi align算法，保留了浮點(diǎn)數(shù)然后根據(jù)雙線性插值后取值。

總結(jié)

以上是生活随笔為你收集整理的【深度学习】——如何处理输入图像大小不一样的情况的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。