暗网YOLO图像大小
Darknet YOLO image size
我正在尝试在 Darknet YOLO v2 中训练自定义对象分类器
https://pjreddie.com/darknet/yolo/
我收集了一个图像数据集，其中大部分是 6000 x 4000 像素和一些较低的分辨率。
我需要在训练之前调整图像大小才能平方吗？
我发现配置使用：
[net]
batch=64
subdivisions=8
height=416
width=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
这就是为什么我想知道如何将它用于不同大小的数据集。
在训练前调整图像大小是很常见的。 416x416 比普通的略大。例如，大多数 imagenet 模型将图像调整大小并调整为 256x256。所以我希望这里也一样。尝试在 6000x4000 上进行训练将需要大量 GPU。标准过程是将图像平方到最大尺寸（高度或宽度），在较短的边填充 0，然后使用标准图像调整工具（如 PIL）调整大小。
您不必调整它的大小，因为 Darknet 会代替您来做！
这意味着您真的不需要这样做，并且您可以在训练期间使用不同的图像尺寸。您上面发布的只是网络配置。还应该有完整的网络定义。高度和宽度告诉您网络分辨率是多少。它还保持宽高比，检查例如 this.
您不需要调整图像大小，您可以直接更改 darknet.cfg 文件中的值。
- 当你打开
darknet.cfg(yolo-darknet.cfg)文件时，你可以全部
超参数及其值。
- 如您的
cfg 文件中所示，图像尺寸为 (416,416)->(weight,height)，您可以更改这些值，以便 darknet 会在训练前自动调整图像大小。
- 由于图片维度高，可以调整batch和sub-division的值（调低32,16,8，必须是2的倍数），这样darknet就不会崩溃（内存分配错误） )
您不需要调整数据库图像的大小。 PJReddie 的 YOLO 架构根据 .cfg 文件中的分辨率自行保持纵横比安全（不会遗漏任何信息）。
例如，如果您的图像尺寸为 1248 x 936，YOLO 会将其调整为 416 x 312，然后用黑条填充额外的 space 以适应 416 x 416 网络。
默认情况下，暗网 api 在推理和训练中都会改变图像的大小，但理论上任何输入大小 w, h = 32 x X 其中 X 属于自然数，W 应该是宽度，H 高度。默认情况下 X = 13，因此输入大小为 w, h = (416, 416)。我在 opencv 的 yolov3 中使用这个规则，X 越大效果越好。
我正在尝试在 Darknet YOLO v2 中训练自定义对象分类器 https://pjreddie.com/darknet/yolo/
我收集了一个图像数据集，其中大部分是 6000 x 4000 像素和一些较低的分辨率。
我需要在训练之前调整图像大小才能平方吗？
我发现配置使用：
[net]
batch=64
subdivisions=8
height=416
width=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
这就是为什么我想知道如何将它用于不同大小的数据集。
在训练前调整图像大小是很常见的。 416x416 比普通的略大。例如，大多数 imagenet 模型将图像调整大小并调整为 256x256。所以我希望这里也一样。尝试在 6000x4000 上进行训练将需要大量 GPU。标准过程是将图像平方到最大尺寸（高度或宽度），在较短的边填充 0，然后使用标准图像调整工具（如 PIL）调整大小。
您不必调整它的大小，因为 Darknet 会代替您来做！
这意味着您真的不需要这样做，并且您可以在训练期间使用不同的图像尺寸。您上面发布的只是网络配置。还应该有完整的网络定义。高度和宽度告诉您网络分辨率是多少。它还保持宽高比，检查例如 this.
您不需要调整图像大小，您可以直接更改 darknet.cfg 文件中的值。
- 当你打开
darknet.cfg(yolo-darknet.cfg)文件时，你可以全部
超参数及其值。 - 如您的
cfg文件中所示，图像尺寸为 (416,416)->(weight,height)，您可以更改这些值，以便 darknet 会在训练前自动调整图像大小。 - 由于图片维度高，可以调整batch和sub-division的值（调低32,16,8，必须是2的倍数），这样darknet就不会崩溃（内存分配错误） )
您不需要调整数据库图像的大小。 PJReddie 的 YOLO 架构根据 .cfg 文件中的分辨率自行保持纵横比安全（不会遗漏任何信息）。 例如，如果您的图像尺寸为 1248 x 936，YOLO 会将其调整为 416 x 312，然后用黑条填充额外的 space 以适应 416 x 416 网络。
默认情况下，暗网 api 在推理和训练中都会改变图像的大小，但理论上任何输入大小 w, h = 32 x X 其中 X 属于自然数，W 应该是宽度，H 高度。默认情况下 X = 13，因此输入大小为 w, h = (416, 416)。我在 opencv 的 yolov3 中使用这个规则，X 越大效果越好。