关于训练和评估时候的图像尺寸问题

[David-dotcom666]

问题确认 Search before asking

• 我已经搜索过问题，但是没有找到解答。I have searched the question and found no related answer.

请提出你的问题 Please ask your question

1.我在train_dataset的transforms使用了

• type: Resize
  target_size: [ 512, 512 ]
  那么我在val_dataset也需要
• type: Resize
  target_size: [ 512, 512 ]
  这样才能保持训练和评估尺寸的一致性吗？
  2.如果我在rain_dataset的transforms使用了
  • type: ResizeStepScaling
    min_scale_factor: 0.5
    max_scale_factor: 0.5
    scale_step_size: 0
    那么这个时候我在val_dataset中的transforms要怎么设置呢？我试了也设置成这样，在评估的时候会报标注和pred尺寸不一致。如果在val_dataset不设置尺寸倒是可以，但是这时候评估的是原图尺寸上的评估吧？我想在评估也进行自动一半尺寸的。这时候网络的输入尺寸是多少呢？是原图吗？导出模型尺寸设置多少合适？

我目前的需求是可以训练不同尺寸的图，且可以选择训练精度。例如0.5，我就使用ResizeStepScaling到固定的0.5，然后我在导出后的模型预处理的时候先把图像进行ResizeStepScaling，然后padding到导出的尺寸。

[Bobholamovic]

你好，训练和评估的尺寸并不一定要一模一样；通常在训练时可以进行随机resize，但评估阶段需要resize到一个固定的尺寸。如果不进行设置，通常评估时将使用原图尺寸。具体的训练、验证输入尺寸选择取决于您使用的模型和数据集，并没有一个标准答案。通常，分割模型在模型输入尺寸上具备一定的泛化性能。