YOLO V5 测试图像时 img_size 的设置问题

最近项目用到了 yolo v5。初始图像是 1440×1080 大小的，在训练时显示 “cuda out of memory”，故保持原始长宽比，将图像缩小成 720×540 大小进行训练。问题出在检测过程。

在原始 detect.py 中，有一段定义代码：

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='', help='model.pt path(s)')
    parser.add_argument('--source', type=str, default='', help='source')  
    parser.add_argument('--output', type=str, default='', help='output folder')
    parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')

可以看到，yolo v5 使用 640×640 的图像进行训练和测试，这里的 img_size 定义为 640，是一个 int。

由于我的图像是 720×540，所以在测试时，我想当然地把这一行改成了

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='', help='model.pt path(s)')
    parser.add_argument('--source', type=str, default='', help='source')  
    parser.add_argument('--output', type=str, default='', help='output folder')
    parser.add_argument('--img-size', type=int, default=[720,540], help='inference size (pixels)')

这里，img_size 是一个 [720,540] 的 list。

运行 detect.py，报错 TypeError: unsupported operand type(s) for -: ‘int‘ and ‘list‘ ，通过博友针对这一问题的分析: 链接，通过 np.array() 将 list 转换为一个 array，又报错 TypeError: only size-1 arrays can be converted to Python scalars，回到 general.py，发现这么两段代码：

def check_img_size(img_size, s=32):
    # Verify img_size is a multiple of stride s

    new_size = make_divisible(img_size, int(s))  # ceil gs-multiple

    if new_size != img_size:
        print('WARNING: --img-size %g must be multiple of max stride %g, updating to %g' % (img_size, s, new_size))
    return new_size

def make_divisible(x, divisor):
    # Returns x evenly divisble by divisor
    return math.ceil(x / divisor) * divisor

第一段代码给一个 stride = 32，并且对 img_size 进行判断，是否能被 32 整除。

关键问题就在第二段代码中，math.ceil() 是一个向上取整操作，所以要求 x / divisor 必须是一个数值，然后将其转换为 int 型。输出 x 的值，发现是 [720,540]，也就是图像的尺寸，这是一个 list ，出现计算问题。

综上分析，必须将 img_size 设置为 32 的整数倍。

那么这个 img_size到底是什么意思呢？如果我检测的图片长宽比不是1:1，或者我的图片大小并不是32的整数倍，如果 resize 会使目标失真，怎么办呢？

通过分析，实际上这些疑问都是没有必要的。yolo v5 设置的 img_size 并不会影响任意尺寸图像的检测，这个数值设置的目的是使输入图像先被 resize 成 640×640，满足检测网络结构，最后再 resize 成原始图像尺寸，进行显示。

最后我们设置 img_size = 320 （32的整数倍），同样没有问题，验证了我们的想法。