如何在不同分辨率下使用經過訓練的深度學習模型？

Question

我已經使用 tensorflow 2.x 在 320x240x3 分辨率圖像上訓練了一個圖像分割任務模型。 我想知道是否有辦法使用相同的模型或調整模型以使其適用於不同的分辨率？

對於全高清 (1920x1080) 和標清 (1280x720) 圖像，我必須使用以 320x240 分辨率訓練的模型，但由於 GPU 內存不足以使用我的架構以指定分辨率訓練模型，我已在 320x240 圖像上訓練它.

我正在尋找適用於所有分辨率的可擴展解決方案。 有什么建議？

Answer 1

您的問題的答案是否定的：您不能使用在特定分辨率下訓練的模型以在不同分辨率下使用； 從本質上講，這就是為什么我們以不同的分辨率訓練模型，以檢查性能並可能對其進行改進。

下面的建議忽略了一個關鍵方面：根據手頭的任務，提高分辨率可以顯着改善object detection和image segmentation的結果，尤其是當您有小對象時。

考慮到 GPU 內存限制，您的問題的唯一解決方案是嘗試將初始圖像拆分為更小的部分（或者可能是圖塊）並按部分進行訓練（例如 320x240），然后重建初始圖像； 否則，除了增加 GPU 內存以便以更高分辨率進行訓練之外，沒有其他解決方案。

PS：我看了幾遍才明白你的問題； 我建議您修改一下分辨率的細節。

Answer 2

是的，你可以在高分辨率圖像中做到這一點。 但是小分辨率容易訓練，模型容易找到圖像的特征。 在小分辨率模型中進行訓練可以節省您的時間並使您的模型更快，因為它的參數數量較少。 高清圖像包含大量像素，因此如果您在更高分辨率的圖像中訓練模型，由於存在大量像素，因此它包含大量參數，這會使您的訓練和模型變慢，並且使您的模型難以在高分辨率圖像中找到特征。 因此，大多數情況下建議您使用較低的分辨率而不是較高的分辨率。