你的问题的答案是否定的：你不能使用一个在特定分辨率下训练的模型来在不同的分辨率下使用;本质上，这就是为什么我们以不同的分辨率训练模型，以检查性能并可能改进它。
下面的建议忽略了一个关键方面：根据手头的任务，增加分辨率可以大大改善object detection和image segmentation的结果，特别是如果你有小对象。
考虑到GPU内存的限制，解决这个问题的唯一方法是尝试将初始图像分割成更小的部分（或者可能是图块），并对每个部分进行训练（比如320x240），然后重建初始图像;否则，除了增加GPU内存以在更高分辨率下训练之外，没有其他解决方案。
确实有一些架构可以让你在窗帘后面发送不同分辨率的图像（缩小和放大（用于显示目的））<->，例如在一些YOLO模型中），确实有一个在后台执行的缩放操作-不要误解你实际上是在不同的尺寸下进行推断。
附言：我阅读了几遍才明白你的问题;我建议你把决议的细节稍微修改一下。

是的，你可以在高分辨率图像中做到这一点。但是小分辨率的图像易于训练，并且模型易于发现图像的特征。在小分辨率模型中训练可以节省时间，并使模型更快，因为它具有更少的参数。高清图像包含大量像素，因此如果您在更高分辨率的图像中训练模型，则会使您的训练和模型变慢，因为它包含大量参数，因为存在更高数量的像素，并且您的模型很难在高分辨率图像中找到特征。因此，大多数情况下，建议您使用较低的分辨率而不是较高的分辨率。