我正在尝试在Darknet YOLO v2 https://pjreddie.com/darknet/yolo/中训练自定义对象分类器
我收集了一个图像数据集，其中大部分都是6000 x 4000像素和一些较低的分辨率。
我需要在训练前调整图像的大小才能平方吗？
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。
您不必调整大小，因为Darknet会代替您而不是！
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大小。您上面发布的内容只是网络配置。还应该有完整的网络定义。高度和宽度告诉你什么是网络分辨率。它还保持纵横比，检查例如this。
在训练之前调整图像大小是很常见的。 416x416略大于普通。大多数imagenet模型调整大小并将图像平方为256x256。所以我希望在这里也一样。试图在6000x4000上进行训练需要一个GPU场。标准过程是将图像平方到最大尺寸（高度或宽度），在短边上用0填充，然后使用像PIL这样的标准图像大小调整工具调整大小。
您无需调整图像大小，可以直接更改darknet.cfg文件中的值。
darknet.cfg（yolo-darknet.cfg）文件时，你可以全部
超参数及其值。cfg文件中所示，图像尺寸为（416,416） - >（重量，高度），您可以更改值，以便暗网在训练前自动调整图像大小。