图像压缩到256

SegFormer/inference/test_model.py

@@ -43,6 +43,7 @@ class SegFormerInference:
         model_path: Optional[str] = None,
         pretrained_model: str = "nvidia/segformer-b0-finetuned-ade-512-512",
         num_classes: int = 2,
+        image_size: int = 256,  # ⚠️ 重要：必须与训练时一致！
         device: str = "auto"
     ):
         """
@@ -53,9 +54,11 @@ class SegFormerInference:
                        如果为None，则使用预训练模型
             pretrained_model: 预训练模型名称（用于加载processor）
             num_classes: 类别数
+            image_size: 输入图像尺寸（必须与训练时一致！）
             device: 设备 ('cpu', 'cuda', 'auto')
         """
         self.num_classes = num_classes
+        self.image_size = image_size
         
         # 设置设备
         if device == "auto":
@@ -68,7 +71,11 @@ class SegFormerInference:
         # ⚠️ 重要：使用与训练时完全一致的预处理
         # 不再使用 SegformerImageProcessor，而是手动构建预处理pipeline
         print(f"构建预处理Pipeline（与训练时一致）")
+        print(f"  图像尺寸: {image_size}×{image_size}")
+        print(f"  归一化: ImageNet标准（mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]）")
+        
         self.transform = A.Compose([
+            A.Resize(image_size, image_size),  # ⚠️ 关键：必须resize到训练时的尺寸
             A.Normalize(
                 mean=[0.485, 0.456, 0.406],  # ImageNet标准均值
                 std=[0.229, 0.224, 0.225],   # ImageNet标准标准差
@@ -371,7 +378,8 @@ def compare_models(
     pretrained_inference = SegFormerInference(
         model_path=None,
         pretrained_model=pretrained_model,
-        num_classes=150  # ADE20K的类别数
+        num_classes=150,  # ADE20K的类别数
+        image_size=256  # 与Fine-tune模型保持一致
     )
     
     # 加载Fine-tune模型
@@ -379,7 +387,8 @@ def compare_models(
     finetuned_inference = SegFormerInference(
         model_path=finetuned_model_path,
         pretrained_model=pretrained_model,
-        num_classes=2
+        num_classes=2,
+        image_size=256  # ⚠️ 必须与训练时一致
     )
     
     # 读取图像
@@ -469,7 +478,8 @@ def main():
     # 创建推理实例
     inference = SegFormerInference(
         model_path=FINETUNED_MODEL_PATH,
-        num_classes=2
+        num_classes=2,
+        image_size=256  # ⚠️ 必须与训练时一致（见config.py第272行）
     )
     
     # 单张图像测试