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
简要回答
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）
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
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
深度注意：ViT 固定 patch 数，resize 改变语义粒度
标准回答
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）
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
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
常见误区
⚠️ 常见踩坑
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？
追问 2：上采样用转置卷积还是插值？
转置卷积可学习上采样核但易产生棋盘格伪影（步长与核不整除时）；双线性/最近邻插值无参数、稳定无伪影，现多采用「插值 + 普通卷积」组合（如 U-Net、上采样 resize-conv）。需要强表达且能调好核时用转置卷积，追求稳定平滑则用插值，分割 mask 上采样常用双线性。
追问 3：动态分辨率 Transformer 可行吗？
题库专题：Transformer 架构如何工作？通常用于哪些场景？可行。ViT 把图像切成 patch 序列，patch 数随分辨率变化，但位置编码需做插值（如把预训练 224 的位置编码插值到 384/512）才能换分辨率推理。FlexiViT、NaViT 等进一步支持可变 patch 大小与原生分辨率/宽高比训练，省去强制 resize。代价是注意力随 patch 数平方增长，超高分辨率需窗口注意力等稀疏化。
题库延伸：与本追问相关的专题题 → Transformer 架构如何工作？通常用于哪些场景？
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
📖 术语表
🛠️ AI 工具