有很多方法可以做到这一点。其中大部分已经在 StackOverflow、Quora 和其他内容网站上的许多帖子中有所介绍。

总而言之，列出的大多数技术可以分为两类解决方案，即，

1. 转型
2. 固有网络属性

在转换中，可以查找诸如

• 调整大小，这是所有提到的技术中最简单的
• 裁剪，可以作为滑动窗口或一次性裁剪，信息丢失

人们还可以通过构建网络的层行为来研究具有固有属性的网络，即不受输入大小的影响。这方面的例子可以在以下方面找到，

• 全卷积网络（FCN），它对输入大小完全没有限制，因为一旦描述了内核和步长，每一层的卷积就可以根据相应的输入生成适当的维度输出。

• Spatial Pyramid Pooling (SPP)，FCN 没有完全连接的密集层，因此与图像大小无关，但是如果想在不考虑输入变换的情况下使用密集层，那么有一篇有趣的论文解释了该层一个深度学习网络。

参考：

1. https://www.quora.com/How-are-variably-shape-and-sized-images-given-inputs-to-convoluted-neural-networks
2. https://ai.stackexchange.com/questions/2008/how-can-neural-networks-deal-with-varying-input-sizes
3. https://discuss.pytorch.org/t/how-to-create-convnet-for-variable-size-input-dimension-images/1906

PS我可能错过了引用一些技术。不声称这是一个详尽的清单。

卷积层和池化层本身与输入维度无关。然而，对于不同大小的图像，卷积层的输出将具有不同的空间大小，如果我们之后有一个全连接层，这将导致问题（因为我们的全连接层需要一个固定大小的输入）。有几种解决方案：

1. 全局池化：避免在卷积层末尾使用全连接层，而是使用池化（例如全局平均池化）将特征图从 (N,H,W,C) 的形状减少（在全局池之前） ) 对 (N,1,1,C) 进行整形（在全局池之后），其中：

N = minibatch 样本数
H = 特征图的空间高度
W = 特征图的空间宽度
C = 特征图（通道）的

数量可以看出，输出维度（N*C）现在独立于特征图的空间大小（H，W）。在分类的情况下，您可以继续使用顶部的全连接层来获取类的 logits。

2.可变大小的池：使用可变大小的池化区域为不同的输入大小获得相同的特征图大小。

3. 裁剪/调整大小/填充输入图像：您可以尝试重新缩放/裁剪/填充输入图像，使其具有相同的形状。

我今天必须解决这个问题，所以我想我会分享我发现有效的方法。我发现网上有很多“这在理论上可行”的答案和花絮，但从实际的“这就是你如何具体实现它”中得到的却很少。

要使用 Tensorflow Keras 实现这一点，我必须执行以下操作。也许其他人可以发现其中一些可以修改、放松或删除。

1. 设置网络的输入以允许使用“无”作为 input_shape 上的占位符维度进行可变大小输入。在此处查看Francois Chollet 的回答。
2. 仅在发生全局池化操作之前使用卷积层（例如 GlobalMaxPooling2D）。然后可以使用密集层等，因为现在大小是固定的。
3. 仅使用 1 的批量大小。这避免了处理批次中的混合尺寸。
4. 编写一个小的自定义序列，从输入列表中创建大小为 1 的批次。我这样做是为了避免在单个 Numpy 数组中处理不同的大小。
5. 在您的自定义序列上使用 Model.fit_generator 进行训练和验证。（与 Model.fit 相比）
6. 出于某种原因，即使使用上述序列，Model.predict_generator 也会弹出。我不得不求助于对单个输入使用 Model.predict。

请注意，对 Model.predict 的调用确实抱怨性能 - 鉴于解决方案效率低下，这并不奇怪 - 但它确实有效！

是的，只需选择一个适当的骨干网络，它不依赖于输入图像的大小来获得某个精确值——大多数网络都满足这个标准。