Yolov5之矩形推理_yolov5怎么resize

前言

在Yolov5项目中，矩形推理是一种重要的技巧，减少了数据的冗余信息，可以在几乎没有精度损失的情况下，加快模型推理的速度。
在本文中，我将对矩推理的原理以及源码部分进行介绍，以及我个人以前在学习过程中的一些思考，其实原理不难，主要就是把整个思路梳理清楚。

一，图像预处理之resize

在讲矩形推理之前，我们先来看看rezise操作，也就是对图片进行缩放。我们都知道，在模型推理前，一般需要对原始图片进行预处理，预处理中最重要的一个步骤就是resize，也就是将原始图片尺寸调整为统一大小的推理尺寸，一般会调整到宽高相等的尺寸。

而在平面几何中，矩形一般有邻边相等和不相等两种情况，图片也一样，有宽高相等和不相等的图片。因此我们在resize的过程中，也需要考虑两种情况，即将宽高相等和宽高不相等的图片resize成宽高相等的图片，然后再进行推理。

听起来是不是很拗口，其实用一句话就可以概括：
对图片进行相等比例缩放和不等比例缩放。
那这两种情况有什么不一样的地方呢？让我们接着往下看。