模型推理时，图片尺寸的疑问

[1819707238]

1. 项目中SDI模块的forward函数，传入了xs和anchor，在for循环中，仅仅考虑了x元素的最后一个维度（w），也就是说默认H=W，但实际情况中很容易输入的H与W并不相等，因此直接如果输入没有resize可能就会引起报错。 我的疑问是，如果将模型用于推理，此时H与W不相等，将无法使用。所以是先对图片进行填充，再对图片进行区域裁剪吗？

2.顺便指出一下，network中的演示示例resunet似乎仍有bug，按

`class SDI(nn.Module):
def __init__(self, channel):
super().__init__()

    self.convs = nn.ModuleList(
        [nn.Conv2d(channel, channel, kernel_size=3, stride=1, padding=1) for _ in range(4)])

def forward(self, xs, anchor):
    ans = torch.ones_like(anchor)
    target_size = anchor.shape[-1]

    for i, x in enumerate(xs):
        if x.shape[-1] > target_size:
            x = F.adaptive_avg_pool2d(x, (target_size, target_size))
        elif x.shape[-1] < target_size:
            x = F.interpolate(x, size=(target_size, target_size),
                                  mode='bilinear', align_corners=True)

        ans = ans * self.convs[i](x)

RuntimeError: Given groups=1, weight of size [32, 64, 3, 3], expected input[2, 96, 112, 112] to have 64 channels, but got 96 channels instead

    return ans

`

`RuntimeError: Given groups=1, weight of size [32, 64, 3, 3], expected input[2, 96, 112, 112] to have 64 channels, but got 96 channels instead`

[yaoppeng]

1. 这个没有大的影响。按照比例缩放即可。
2. 使用BasicConv2d(in_planes, out_planes)将输出的channel调整到一致即可。

[1819707238]

您能针对第一点详细介绍一下吗，我还是不能get到。。 针对第二点，应该是decoder中您直接对每个conv块的输出通道减半，但resnet34中conv1和layer1的通道都是64，这可能才是问题所在

[yaoppeng]

1. 如果heigh和width不相等,需要简单修改代码

   def forward(self, xs, anchor):
   ans = torch.ones_like(anchor)
   target_size = anchor.shape[-1]
   
   for i, x in enumerate(xs):
       if x.shape[-1] > anchor.shape[-1]:
           x = F.adaptive_avg_pool2d(x, anchor.shape[-2:])
       elif x.shape[-1] < target_size:
           x = F.interpolate(x, size= anchor.shape[-2:],
                                 mode='bilinear', align_corners=True)
   
       ans = ans * self.convs[i](x)

也就是(H, W)rescale成(2H, 2W)或者(H/2, W/2)。图像不必以正方形的形式输入。

2. 不同的Backbone的每个stage的输出通道数都不一定一样。我是用一个(3, 3)的conv统一到一个相同的channel数然后再操作。抱歉最近忙于其他的东西，demo的代码我会再检查下。

[1819707238]

第一点我按照您给的代码进行了修改，可惜依然不行

[1819707238]

如果输入图片尺寸长宽不相等的话，似乎仅调整那里是不行的，还需要对网络的多个上采样和跳连接进行处理，这样是很麻烦的。。 是否可以在输入的时候将图片resize为长宽一致的？但这样似乎也存在一些问题。

[1819707238]

您能介绍一下您在开展实验时，比如训练阶段和模型测试阶段，是如何对输入图片进行处理的吗，我想这能解决我的疑惑

[yaoppeng]

可以将图片resize成2的幂, 这样down-sample和up-sample时能保证不会由于图像H或W不能被2整除导致cat或者add时相差1的问题。

在Polyp分割时，先把图像resize到(352, 352)。做evaluation时,将predication再resize回去。ISIC数据集图像大小就是(256, 256)。

长宽不等时,下采样和上采样也是H和W各自按照2倍的比例,不会产生影响。