常用骨干网络预训练输入尺寸

1. EfficientNet-V1

• B0：224×224
• B1：240×240
• B2：260×260
• B3：300×300
• B4：380×380
• B5：456×456
• B6：528×528
• B7：600×600

官方 TensorFlow 源码仓库（Google 官方）

tpu/models/official/efficientnet at master · tensorflow/tpu · GitHub 仓库 README /model_builder.py 直接硬编码各模型训练分辨率：

def efficientnet_params(model_name):
  """Get efficientnet params based on model name."""
  params_dict = {
      # (width_coefficient, depth_coefficient, resolution, dropout_rate)
      'efficientnet-b0': (1.0, 1.0, 224, 0.2),
      'efficientnet-b1': (1.0, 1.1, 240, 0.2),
      'efficientnet-b2': (1.1, 1.2, 260, 0.3),
      'efficientnet-b3': (1.2, 1.4, 300, 0.3),
      'efficientnet-b4': (1.4, 1.8, 380, 0.4),
      'efficientnet-b5': (1.6, 2.2, 456, 0.4),
      'efficientnet-b6': (1.8, 2.6, 528, 0.5),
      'efficientnet-b7': (2.0, 3.1, 600, 0.5),
      'efficientnet-b8': (2.2, 3.6, 672, 0.5),
      'efficientnet-l2': (4.3, 5.3, 800, 0.5),
  }
  return params_dict[model_name]

2. EfficientNet-V2

• V2-B0：224×224
• V2-B1：240×240
• V2-B2：260×260
• V2-B3：300×300
• V2-S：384×384
• V2-M：480×480
• V2-L：480×480

3. ResNet 系列（ResNet18/34/50/101/152）

全部 224×224（原版 torchvision 预训练）

论文：Deep Residual Learning for Image Recognition (He et al., CVPR 2016) arXiv：https://arxiv.org/pdf/1512.03385v1.pdf

4. MobileNet

• MobileNetV2：224×224
• MobileNetV3-Large / V3-Small：224×224

5. ConvNeXt

• ConvNeXt-Tiny / Small / Base：224×224

6. Swin Transformer V1

• Swin-Tiny / Small / Base：224×224

7. ViT（Vision Transformer）

• ViT-B/16、ViT-L/16：224×224（原版）
• ViT-B/16-384：384×384（高分辨率版本）