YOLOv5での学習画像のサイズについて

YOLOv5では入力画像のサイズがデフォルトで640×640に設定されています。異なるサイズの画像（例えば1280×740）を入力した場合、YOLOv5は自動的にその画像をリサイズします。

具体的には、YOLOv5は以下の手順で画像を処理します1：

アスペクト比の維持: 画像の長辺を指定されたサイズ（デフォルトでは640）にリサイズします。この際、アスペクト比は維持されます。
パディング: リサイズ後の画像が正方形でない場合、短辺にパディング（通常はグレーのパディング）が追加され、最終的に640×640の正方形画像になります。
このプロセスにより、アノテーションの座標もリサイズされます。具体的には、元の画像サイズに基づいてアノテーションが適用され、その後リサイズとパディングが行われます。これにより、アノテーションの座標も適切にスケーリングされ、リサイズ後の画像に対応します。

例えば、1280×740の画像が640×370にリサイズされ、その後パディングが追加されて640×640の画像になる場合、アノテーションの座標も同様にスケーリングされ、パディングの影響を受けます。

このようにして、YOLOv5は異なるサイズの画像を統一された入力サイズに変換し、アノテーションの整合性を保ちながら学習を行います。