使用 Tensorflow 2 对象检测 API 检测小对象答案

【问题标题】：Detecting small objects with Tensorflow 2 Object Detection API使用 Tensorflow 2 对象检测 API 检测小对象
【发布时间】：2021-02-01 23:24:21
【问题描述】：

我在寻找检测小型物体的最佳网络和配置时遇到了问题。从现在开始，我在小物体上得到了非常 Los mAP（我正在尝试使用 mapillary 数据集检测交通标志）

我尝试过使用 Faster R-CNN 101（将输入大小调整为 1024）和带有 FPN 的 SSD 101（将输入大小调整为 1024）。我没有找到带有 FPN 的更快 R-CNN 的预训练模型，所以我无法尝试。

您认为检测小物体的最佳网络和配置是什么？

谢谢。

【问题讨论】：

您是只检测小物体还是小物体和大物体？你关心检测器的速度（你需要实时检测）还是只关心准确性？
我正在检测大小物体（图像的原始分辨率非常高）。在我的情况下，速度不是那么重要，我更喜欢更高的准确性。

标签： python tensorflow deep-learning conv-neural-network object-detection

【解决方案1】：

SSD 最适合检测小型和大型目标，因为它会尝试对每个特征图进行预测。

您将图像大小调整为 1024 ???这个案例模型需要更多的时间来训练数据集，所以保持图像的大小像 460*460 一样小。

您也可以尝试使用detectron2，它比tensorflow更快更简单。

https://colab.research.google.com/github/Tony607/detectron2_instance_segmentation_demo/blob/master/Detectron2_custom_coco_data_segmentation.ipynb

【讨论】：

【解决方案2】：

您提到的模型是为速度而构建的模型。对于小物体检测，您通常更关心模型的准确性。因此，您可能应该使用牺牲速度换取准确性的更大模型（mAP）。如果你想使用 tensorflow 2，here 是可用模型的概述。此外，如您所说，对于小物体检测，您应该保持高分辨率。您也可以将图像裁剪为多个裁剪，以检测图像的某些部分。

所以我不同意@Akash Desai 关于 SSD 的看法，但我也认为Detectron2 更符合最先进的模型以获得更好的性能。所以如果你不关心框架，也许切换到detectron2。

【讨论】：