인풋 이미지의 해상도는 다음과 같은 컴파운드 스케일링을 진행합니다.

기본 512 사이즈에, ø가 증가할 때마다 128씩 증가시켜줍니다. 이러한 스케일링 방식은 양방향 특징 추출 피라미드 네트워크가 다양한 스케일의 특징을 효율적으로 통합하도록 돕습니다. 더 높은 ø 값은 더 깊고 넓은 양방향 특징 추출 피라미드 네트워크라는 것을 의미하며, 동시에 백본 네트워크도 EfficientNET에서 제안한 컴파운드 스케일링 방식으로 사이즈와 넓이를 키웁니다. 이는 일반적으로 더 복잡한 시나리오에서 더 나은 성능을 달성하는 데 도움이 됩니다. 그러나 동시에 더 많은 계산 자원을 요구하게 되므로 효율과 성능 사이의 균형을 고려해야 합니다.