计算机视觉 / 系统课时

调整输入分辨率

调整输入分辨率

本课解决输入尺寸该设多大这一实际问题。你将根据目标在缩放后的像素大小、显存预算和推理延迟设计对照实验,用同一权重比较不同分辨率,再选择满足业务精度的最小尺寸。

学习目标

  • 估算目标缩放后的像素大小,判断提高分辨率是否可能有效
  • 在控制其他变量不变的前提下比较不同输入尺寸
  • 根据精度、速度和显存结果确定训练与部署尺寸

先判断是否值得提高分辨率

YOLOv5 会先按比例缩放图片,再通过 Letterbox 补边。若原图宽高为 WW、HH,目标短边约为 dd 像素,输入尺寸为 SS,缩放后目标短边可近似写为:

d′=d×Smax⁡(W,H)d' = d \times \frac{S}{\max(W,H)}

当大量目标缩放后只有约 8~12 像素时,提高输入尺寸通常更有价值;若目标普遍较大,继续增大分辨率可能只增加计算量。显存和计算开销通常会随输入边长的平方明显增长,但实际比例还受模型规模、批量大小、混合精度和数据增强影响。

不同输入分辨率下的小目标变化

训练尺寸通常优先选择 32 的倍数,例如 512、640、768。这样更符合网络多次下采样的步长结构,也便于进行公平对比。

设计分辨率对照实验

先使用同一份验证集和同一个权重比较 512、640、768。除输入尺寸外,数据配置、批量大小、置信度阈值、NMS 阈值和硬件都应保持一致。下面脚本把完整日志保存到独立文件,便于提取最终指标与速度信息。

bash
set -e
WEIGHTS="runs/train/exp/weights/best.pt"
DATA="data/helmet.yaml"
mkdir -p runs/val-resolution
for SIZE in 512 640 768; do
  python val.py \
    --weights "$WEIGHTS" \
    --data "$DATA" \
    --img "$SIZE" \
    --batch-size 16 \
    --task val \
    --project runs/val-resolution \
    --name "img-$SIZE" \
    --exist-ok \
    > "runs/val-resolution/img-$SIZE.log" 2>&1
  echo "completed img-$SIZE"
done

预期输出:

text
completed img-512
completed img-640
completed img-768

分别打开 img-512.log、img-640.log 和 img-768.log,记录最终的 Precision、Recall、mAP@0.5、mAP@0.5:0.95 与 Speed。日志中的具体时间和指标由硬件、数据集及权重决定,不能直接照搬其他项目的结果。

读取结果并做取舍

建议把实验结果整理成下面的最小表格。峰值显存可在验证或训练期间通过 nvidia-smi 观察,推理时间应在同一设备、相同批量和相同预热条件下记录。

输入尺寸 Precision Recall mAP@0.5:0.95 单图推理时间 峰值显存
512 <VALUE> <VALUE> <VALUE> <VALUE> <VALUE>
640 <VALUE> <VALUE> <VALUE> <VALUE> <VALUE>
768 <VALUE> <VALUE> <VALUE> <VALUE> <VALUE>

选择时遵循“满足指标的最小尺寸”。如果从 640 提升到 768 只带来很小的 mAP 增益,却明显增加延迟和显存,应保留 640;如果小目标召回率显著提升,且部署预算允许,则可选择 768。

确定尺寸后再用该尺寸重新训练。下面示例把输入尺寸改为 768,并通过减小批量避免显存不足;数据路径、轮数和模型规模应按项目实际情况调整。

bash
python train.py \
  --img 768 \
  --batch 8 \
  --epochs 100 \
  --data data/helmet.yaml \
  --weights yolov5s.pt \
  --project runs/train \
  --name img-768

预期输出:

text
Results saved to runs/train/img-768

若出现 CUDA out of memory,先减小 --batch,再考虑降低输入尺寸。改变批量大小可能影响优化过程,因此正式对比时应记录实际批量,并尽量保持其他训练超参数一致。

本课总结

  • 输入分辨率是否有效,首先取决于目标缩放后还剩多少像素
  • 对照实验只能改变输入尺寸,其余数据、权重、阈值和硬件条件必须固定
  • 最优尺寸不是最大的尺寸,而是满足精度要求且速度、显存可接受的最小尺寸

下一课预告

下一课将继续调优训练超参数,重点分析批量大小、学习率与梯度稳定性的联动关系。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

调整输入分辨率

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通