核心要点
说明插值方法对信息损失的影响
分析分辨率与感受野、小目标检测关系
强调 train/test 尺寸策略一致
提及多尺度训练与推理
标准回答
一、影响机制
- 信息损失：下采样丢高频细节，小物体可能低于可检测尺寸
- 纵横比扭曲：强行拉伸改变形状先验，分类/检测精度下降
- 分布偏移：训练 224、测试 4K 原图直接缩小，统计特性变
- 计算权衡：分辨率 ↑ → FLOPs 平方级增（ViT patch 数）
二、插值
- bilinear/bicubic：平滑，适合自然图
- nearest：块效应，仅适合 mask/标签
- area：下采样抗锯齿较好
三、最佳实践
- 分类：短边 resize + center crop（如 256→224）
- 检测：letterbox pad 到固定 stride 倍数（YOLO 640）
- 分割：双线性图 + 最近邻 mask；推理恢复原尺寸
- 多尺度训练：随机 480-800 短边，提升尺度鲁棒
面试里可以补一个视觉任务例子：图像缩放如何影响模型性能 在分类、检测、分割或多模态理解里分别会影响数据增强、模型结构、指标选择和误检漏检分析。这样回答会比单独讲概念更像真实项目经验。
四、深度注意
ViT 固定 patch 数，resize 改变语义粒度；微调时应用与预训练相近分辨率。
工具：PyTorch interpolate、OpenCV resize。详见 CV 工程。
回答思路
【定义】用一句话说清「图像缩放如何影响模型性能」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：拉伸变形不 letterbox；mask 双线性插值；训练 224 测试原图不做相同 normalize+resize。
追问
追问 1：小目标检测如何选输入尺寸？
增大输入分辨率、FPN 多尺度、切片推理（SAHI）、或小目标专用数据增强。单纯 resize 到 224 会严重损小目标 AP。
追问 2：上采样用转置卷积还是插值？
双线性/最近邻 + 卷积更稳，少棋盘格伪影；转置卷积需小心 kernel/stride 设计。分割解码器常用 bilinear upsample + 3×3 conv。
追问 3：动态分辨率 Transformer 可行吗？
Swin、Deformable DETR 等支持多尺度；标准 ViT 需位置编码插值。动态分辨率可省算力但实现与 batch 对齐更复杂。
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
