以YOLOv3为例，实验表明改变网络输入图像分辨率（如320*320, 416*416, 608*608）会影响推理时间和结果精度。虽然不需要重新训练，但非训练分辨率（如224*224）会导致推理效果下降。CNN网络能适应输入尺寸变化，但推理性能会受其影响。"
112721436,10339015,Python循环与字符串操作详解,"['Python编程', '循环结构', '字符串处理']
以yolov3为例，我们做实验验证这个问题，yolov3有三种格式的分辨率输入，分别是320*320, 416*416, 608*608，验证思路是分别将这三种尺寸的图像输入网络，看推理效果有没有受到影响，另外，为了便于对照，我们再设置一些额外的网络不支持的分辨率，看现象如何。
关于图像前处理操作的流程参考下面博客：
执行./image_yolov3.sh,结果如下所示，效果非常不错：
推理时间为4036ms.
改为416*416分辨率后，推理时间明显变慢了，为7666MS，并且每个物体的置信度都有所变化，这说明改变网络输入图像的尺寸，会对推理结果产生影响：
216
2821
1171
1697
3392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
