tensorflow - 使用 TensorFlow Object Detection API 检测图像中的小物体

Question

我想使用 Tensorflow对象检测 API来识别一系列网络摄像头图像中的对象。在 COCO 数据集上预训练的Faster RCNN 模型似乎很合适，因为它们包含我需要的所有对象类别。

但是，我想提高模型在识别每个图像中相当小的对象时的性能。如果我理解正确，我需要编辑配置文件scales中的锚参数以使模型使用更小的边界框。

我的问题是：

• 调整这个参数后，是否需要在整个 COCO 数据集上重新训练模型？或者有没有办法仅仅为了推理而改变模型并避免任何重新训练？
• 除了将图像裁剪成多个部分并分别对每个部分进行推理之外，还有其他成功识别小对象的提示/技巧吗？

背景资料

我目前正在为模型提供 1280x720 的图像。在大约 200x150 像素时，我发现很难检测到物体。

Answer 1

1. 不幸的是，您需要完全重新训练，因为权重确实取决于锚的形状。

2. 拥有更高分辨率的特征图应该会有所帮助（但会减慢过程），因此更改特征提取器以获得输入尺寸减少较少的特征图（步幅 > 1 的最大池通常会减少空间大小）或放大图像 a初始图像缩放器中的位。