YOLOv8不同尺寸测试图像预测问题求助

• 训练与测试尺寸分布不匹配
  模型全程以512×512尺寸训练，已完全适配该尺寸下的目标尺度、特征分布。大尺寸图像中目标的实际像素远大于训练时的尺度，模型对这类大尺度目标的特征提取能力不足，极易出现漏检、误检。

• 图像缩放引发的信息丢失与变形
  YOLOv8检测时会将大尺寸图像缩放到512×512的输入尺寸，这会带来两个问题：一是大图像缩小后，原本的小目标被压缩至难以识别的程度；二是2145×1195的宽高比约为1.79:1，与512×512的1:1比例差异较大，强行缩放会导致目标变形，干扰模型的特征匹配逻辑。

• 锚框尺度与实际目标不匹配
  YOLOv8的默认锚框是基于训练尺寸统计生成的，针对的是512×512图像里的目标尺度。大尺寸图像中的目标实际尺寸更大，锚框与目标的交并比（IoU）过低，模型无法准确预测边界框。

• 骨干网络感受野限制
  YOLOv8骨干网络的感受野是围绕512×512训练尺寸设计的，面对大尺寸图像中的大目标，感受野无法覆盖整个目标，无法捕捉足够的全局特征，导致检测精度骤降。

• 训练数据缺乏大尺度样本
  若训练集里没有大尺寸图像或大尺度目标，模型从未学习过这类样本的特征，自然无法在测试时对其准确识别。

内容的提问来源于stack exchange，提问作者m3tal_slayer