tensorflow - Mobilenet SSD 输入图像大小

Question

我想在自定义数据集上训练 Mobilenet SSD 模型。

我研究了重新训练模型的工作流程，并注意到配置文件中的 image_resizer{} 块：

此处的纵横比是否必须为 1:1，例如 300x300，或者我可以指定自定义比例吗？

我所有的数据集图像都是 960x256 - 所以我可以输入这个尺寸作为高度和宽度吗？还是我需要调整所有图像的大小以使宽高比为 1:1？

score 3 · Accepted Answer

在模型文件中选择高度和宽度（根据您的链接），作为您希望模型训练和操作的输入图像的形状。如果必须，模型会将输入图像的大小调整为指定的大小。

所以这可能是您输入图像的大小（如果您的硬件可以训练和操作该大小的模型）：

image_resizer {
    fixed_shape_resizer {
        height: 256
        width: 960
    }
}

选择将取决于训练图像的大小以及训练（和使用）该模型大小所需的资源。

我通常使用 512x288，因为这种尺寸的模型在 Raspberry Pi 上运行良好。我准备了各种规模的训练图像，正好是这个大小。所以图像缩放器在训练期间不起作用。

为了进行推理，我输入了 1920x1080 的图像，因此图像缩放器在它们进入 Mobilenet 之前将它们缩放到 512x288，保持纵横比。

然而，纵横比在我的领域并不重要，因为这种扭曲是自然发生的。

所以是的，只需使用您的训练图像尺寸。

score 0 · Accepted Answer

如果您保持原样，无论图像的实际大小如何，网络都会将您的输入图像大小调整为 300x300。您可以尝试的另一件事是将 image_resizer 块替换为以下更改：

image_resizer 
{
  keep_aspect_ratio_resizer 
  {
    min_dimension: 600
    max_dimension: 1024
  }
}

，它将在 [min_dim, max_dim] 范围内为网络提供未成形的输入图像。我不知道这是否可行，因为我相信 ssd 检测器需要将输入图像调整为正方形，这意味着具有相同的高度和宽度，例如 224x224 或 128x128。您不必对硬图像进行任何手动更改。

2 回答 2