前言
学习YOLOv3代码https://github.com/ultralytics/yolov3
Rectangular inference 矩形推理是detect.py中的默认实现。 这可以显著的减少推理时间。 例如，在zidane.jpg上，CPU推理时间（在2018年MacBook Pro上）从1.01s减少到0.63s，减少了37％。这是因为图像区域送入网络时减少了38％（416x416减少到256x416） 。为了说明什么是Rectangular inference，就得说说什么是 Square Inference。
Square Inference 正方形推理
众所周知，YOLOv3下采样了32倍，因此输入网络的长宽需要是32的倍数，最常用的分辨率就是416了。Square Inference就是输入为正方形，具体过程为：求得较长边缩放到416的比例，然后对图片长宽按这个比例缩放，使得较长边达到416再对较短边进行填充使得较短边也达到416。
Rectangular Inference 矩形推理
可以看到，上面的图片中存在大量的冗余部分，一个很自然的想法就是，能不能去掉这些填充的部分但是又要满足长宽是32的倍数？
这就是Rectangular Inference的思想了，具体过程为：求得较长边缩放到416的比例，然后对图片wh按这个比例缩放，使得较长边达到416,再对较短边进行尽量少的填充使得较短边满足32的倍数。
Rectangular training 矩形训练
既然可以 Rectangular Inference ，很自然又想到训练的时候能不能也这样？但是显然，训练的时候情况就比较复杂了，因为我们是批次训练的，要保证这个batch里面的图片shape是一样的，所以最常见的就是Square training，例如YOLO默认就是图片416x416输入，SSD300x300等等。而Faster RCNN系列、Retinanet就不是固定尺寸的正方形输入，因此一开始Faster RCNN实现往往都是写死batch size = 1。而现在有些实现是可以batch size > 1，因为可以取这个batch中的最大的长和宽，然后图片都填充到这个max width和max height。但是这样显然还是比较浪费的，因为如果一个batch中的不同图片wh差距很大，小图片就太吃亏了啊。但是如果训练的图片尺寸都是相同的或者相近的，那这个就有很大优势了。
这个YOLO实现主要就是优化了一下如何将比例相近的图片放在一个batch，这样显然填充的就更少一些了。作者说是这样做在混合了不同长宽比例的COCO数据集上快了1/3，但是感觉还挺麻烦的。
