许多现有的 Tensorflow 和 Keras CNN 代码示例使用相同的尺寸来训练图像，通常是 299*299、244*244、256*256 等等。我认为这部分取决于与预训练模型的兼容性，以及架构本身。
我仍在评估架构，但最终可能会使用 Resnet、Inception 或 Xception 以及 Tensorflow 或 Keras 使用 Mask R-CNN（或者可能是 Faster R-CNN）。要分析的目标图像在 1024*1024 范围内，但可以分成更小的分区。
鉴于可用的预训练模型，是否存在可以提供任何优势的训练图像大小？我想避免事后调整大小，因为在某些情况下这会降低图像的清晰度。
好的，我找到了部分答案：
Girshick 的 Faster R-CNN 显然对输入图像进行了内部缩放，使其较短的尺寸为 600 像素，但较大的边缘被限制在 1000 像素。听起来这是由于可用 GPU 的内存限制所致。
鉴于图像缩放会影响 CPU，并且还会导致一些边缘混叠，似乎在图像预处理方面可能有优势。
我还没有找到 Mask R-CNN 的等效信息。
根据可以在这里找到的 Matterport 的实现https://github.com/matterport/Mask_RCNN ，图像的输入大小为 1024x1024。此外，他们在论文中提到他们使用 1024 像素作为运行城市景观的输入（我相信请查看附录 b）。