YOLOv7目标检测模型横竖屏图像适配及精度提升技术咨询

问题1：训练时缩放图像至640x640对目标形状或边界框的影响 #

训练YOLOv7时默认采用letterbox缩放（保持原图宽高比，将短边缩至640，长边按比例缩放后补黑边至640x640），这种方式不会让目标形状发生畸变，边界框也会跟着原图比例同步缩放，模型训练时学习到的是目标真实的宽高比特征。

但如果训练数据全是横屏/方形图，模型会更适应这类比例的输入。当测试时输入竖屏图像，若直接拉伸成640x640（强行改变宽高比），目标会被挤压或拉伸变形，模型因为没见过这类畸变的目标，就会出现检测精度下降的情况；同时边界框的回归也会因为比例不一致出现偏移，导致框不准。

问题2：是否需要将安卓摄像头流转换为640x640后再检测？ #

需要转换，但不能直接拉伸，必须和训练时的预处理逻辑保持一致：

• 对竖屏摄像头采集的图像，用letterbox方式处理：先将图像短边缩至640，长边按对应比例缩放，然后在两侧补黑边，最终得到640x640的输入图。这样目标形状不会畸变，模型能基于熟悉的特征进行检测，精度会明显提升。
• 另外，长期优化方案可以补充竖屏格式的训练数据，或者在训练时加入旋转、翻转等数据增强，让模型学习到不同比例下的目标特征，从根源上提升对竖屏场景的适应性。

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