我正在尝试使用yolov3检测道路对象（很小）。为此，我的数据集由大小3840x400 PX的图像组成。我目前正在使用的网络实现（超级词1）作为输入平方图像。例如，如果我通过它3840x400 PX图像，并且将IMG_Size设置为1000 PX，则将图像大小尺寸为1000x400 PX，然后将其正式调整为1000x1000 PX（将其剩余的600个带有黑色值的信箱以使其剩余的像素以使其剩余的像素，以使其剩下的黑色值以使其将其置于黑色值back不要改变高度方面）。CNN的大多数实现似乎都可以将平方图像作为网络体系结构的输入。我的问题是：如果我手动将网络体系结构更改为非方格尺寸（例如1000x400 PX），Yolo仍然可以工作。为什么艺术中的大多数CNN都使用平方图像？
如果您的所有数据集由矩形组成，而不是正方形。例如3840x400。
它比使用平方输入来构建架构作为使用矩形的输入更好的方法。
它在大多数CNN中使用平方图像的原因是"正方形"
有时，在人类姿势估计区域，它们不使用平方图像作为输入。他们使用矩形图像，例如192x256，因为几乎人类站在图像中。