文章目录1多尺度训练的介绍2代码解析3感谢链接1多尺度训练的介绍多尺度训练对全卷积网络有效，在训练时，每隔一定的iterations，在一定尺寸范围内，随机选取一种img_size进行训练。通过对不同尺度的图像进行训练，在一定程度上提高检测模型对物体大小的鲁棒性。使用尺度小的图片测试速度快些，但准确度低，用尺度大的图片测试速度慢，但准确度高。2代码解析可以根据代码注释以及最下方的YOLOv3spp

先给出定义吓死你们哈哈多尺度，实际上就是对信号的不同粒度的采样别急哈哈粒度小，说明是一个很密集的采样，能看到更多更多的细节而粒度粗大说明是一个很稀疏的采样，但是点与点之间隔得远了，就容易看到趋势了通常在不同的尺度下我们可以观察到不同的特征，从而完成不同的任务。往下看好像有点感觉了吧任务：判断图中是否有前景，那么12×8的图像尺度isenough。任务:识别图中的水果种类，那么64×48的尺度也能勉

YoloV5搬运记录参数详解`--quad`参数，`--multi_scale`参数超参文件的理解`hyp.scratch.yaml`shear的理解HSV变换构建模型输入图片缩放更改模型结构数据增强如何训练出好的模型数据集模型选择训练设置参数详解

mtcnn行人检测最重要的：万级别数据速度：640x480(30-minsize)（实时）RequirementPedestriansshouldstandupandshowtheirwholebody.OtherposturesareinaccurateReference:https://github.com/samylee/mtcnn_personMulti_Sacle行人检测ImageSiz