Darknet YOLO的配置文件大致如下：

[net]batch=64subdivisions=8height=416width=416channels=3...

但是我们可以在不重新训练模型的情况下更改高度和宽度，并通过使用更大的图像尺寸获得更好的结果（当然，推理时间会更长）。我有点困惑。当我们更改图像大小后，权重会发生什么变化？例如，如果第一层有N个输入，第二层有M个神经元，那么在全连接网络中，我们应该有（N*M + 1）个权重。所以问题是：我们如何在不更改权重的情况下更改N（宽度和高度）？

回答：

我对这个话题也比较新，但我认为只有Yolov1使用了全连接层。看看例如Yolov2的架构。那里没有全连接层，只有卷积层。这可能是答案？