【深度学习】——如何处理输入图像大小不一样的情况

这里一般有常见的几种方法：

1）将图像缩放成大小一致后再输入，如RCNN算法

2）roi pooling：这里允许输入图像的大小不一样，后续根据指定的固定大小来求解池化的核大小，以此来得到相同大小的特征图，如我目标是得到7*7的特征图，这时候我有一个图像是14*14，有一个图像是21*21，则前一个图像的池化卷积核为2*2，后一个池化卷积核为3*3这样就保证了最后得到的特征图都是7*7，这种方法称之为roi pooling,但是会出现浮点数，这种方法直接取整，导致特征不完整，主要用在FASTER RCNN，在MASKrcnn中有所改进，用的是roi align算法，保留了浮点数然后根据双线性插值后取值。