【问题标题】:In FasterRCNN, why is the short edge size 600 and the max size 1000?在 FasterRCNN 中,为什么短边尺寸为 600,最大尺寸为 1000?
【发布时间】:2019-06-24 18:24:06
【问题描述】:

我阅读了以下代码:

https://github.com/endernewton/tf-faster-rcnn/blob/a3279943cbe6b880be34b53329a4fe3f971c2c37/lib/model/config.py#L63

600 是图像最短边的像素大小,1000 是缩放输入图像最长边的最大像素大小。 有人可以解释一下吗?以及如何确定这些尺寸?我们要不要改变这些尺寸?

【问题讨论】:

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


    【解决方案1】:

    这些用于here 中的prep_im_for_blob 函数。其中target_size__C.TRAIN.SCALES = (600,),max_size 是__C.TRAIN.MAX_SIZE = 1000。它所做的是缩放图像,使调整后的图像的最小尺寸等于__C.TRAIN.SCALES。但是,如果生成的图像变得大于__C.TRAIN.MAX_SIZE,它会缩放以使调整后图像的最大尺寸等于__C.TRAIN.MAX_SIZE。如果您的输入图像通常在 600~1000 像素范围内,则无需更改这些值。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2021-09-28
      • 1970-01-01
      • 2019-07-23
      • 1970-01-01
      • 2021-11-17
      • 1970-01-01
      相关资源
      最近更新 更多