代码之家  ›  专栏  ›  技术社区  ›  Kamugg

在PyTorch中使用不同分辨率图像训练DeepLabV3的最佳实践

  •  0
  • Kamugg  · 技术社区  · 11 月前

    我正在努力训练 PyTorch's DeepLabV3 COCO 2017 dataset 对于语义分割,我不确定如何处理不同分辨率的图像。我知道DeepLab的架构可以毫无问题地处理它们,但由于它们的分辨率,我不能批量堆叠它们。处理这个问题的最佳做法是什么?我是否将它们调整为固定大小?我是否随机选取固定大小的作物?我知道这个问题有很多解决方案,但我真的不知道在语义分割训练的背景下什么是最佳实践。

    谢谢!

    0 回复  |  直到 11 月前
        1
  •  0
  •   Hamzah Al-Qadasi    11 月前

    没有理想的选择,每种选择都有其利弊。因此,我建议尝试所有有效的选项并比较性能。您可以从以下选项开始:

    1. 您可以将图像大小调整到稍大的大小,例如520x520。
    2. 您可以将图像随机裁剪为所需的固定大小,例如512x512。
    3. 您可以通过调整大小和裁剪来使用这两个选项。

    您可以尝试一个高级选项,即计算所有图像的宽度和高度,然后计算平均值。然后,使用平均宽度和高度将所有图像的大小调整为。

    推荐文章