我已经使用自定义数据集（电池）训练了一个 SSD Mobilenet 模型。下面给出了电池的示例图像，并附上了我用来训练模型的配置文件。
当物体更靠近相机（使用网络摄像头测试）时，它会以超过 0.95 的概率准确检测到物体，但是当我将物体移动到更长的距离时，它不会被检测到。经过调试，发现对象被检测到但概率较低0.35。最小阈值设置为 0.5。如果我将阈值 0.5 更改为 0.2，则会检测到对象，但会出现更多错误检测。
参考这个link，SSD对于小物体的表现不是很好，一个替代的解决方案是使用FasterRCNN，但是这个模型在实时上很慢。我也希望使用 SSD 从更远的距离检测电池。
请帮我解决以下问题
【问题讨论】：
标签： tensorflow object-detection object-detection-api mobilenet tensorflow-ssd
改变纵横比和比例不会帮助提高小物体的检测精度（因为原始比例已经足够小，例如min_scale = 0.2）。您需要更改的最重要的参数是feature_map_layout。 feature_map_layout 确定特征图的数量（及其大小）及其对应的深度（通道）。但遗憾的是这个参数不能在 pipeline_config 文件中配置，你必须直接在特征提取器中修改它。
这就是为什么feature_map_layout 在检测小物体时很重要的原因。
上图中，（b）和（c）是两个不同布局的特征图。 groundtruth 图像中的狗与 4x4 特征图上的红色锚框匹配，而猫与 8x8 特征图上的蓝色锚框匹配。现在，如果您要检测的对象是猫的耳朵，那么将没有与该对象匹配的锚框。 所以直觉是：如果没有锚框匹配一个对象，那么这个对象根本就不会被检测到。要成功检测到猫的耳朵，你需要的可能是一个 16x16 的特征图。
以下是更改feature_map_layout 的方法。此参数在每个特定的特征提取器实现中配置。假设您使用ssd_mobilenet_v1_feature_extractor，那么您可以在this 文件中找到它。
feature_map_layout = {
'from_layer': ['Conv2d_11_pointwise', 'Conv2d_13_pointwise', '', '',
'', ''],
'layer_depth': [-1, -1, 512, 256, 256, 128],
'use_explicit_padding': self._use_explicit_padding,
'use_depthwise': self._use_depthwise,
}
这里有 6 个不同尺度的特征图。前两层直接取自 mobilenet 层（因此深度均为 -1），其余四层来自额外的卷积操作。可以看出，最底层的feature map来自mobilenet的Conv2d_11_pointwise层。 一般层越低，特征图特征越精细，对小物体的检测效果越好。所以你可以把这个Conv2d_11_pointwise改成Conv2d_5_pointwise（这是为什么？可以从tensorflow图中找到，这一层的特征图比Conv2d_11_pointwise层大），它应该有助于检测更小的物体。
但是更好的准确性需要额外的成本，这里的额外成本是检测速度会下降一点，因为需要处理更多的锚框。 （更大的特征图）。此外，由于我们选择Conv2d_5_pointwise 而不是Conv2d_11_pointwise，我们失去了Conv2d_11_pointwise 的检测能力。
如果您不想更改图层而只是添加一个额外的特征图，例如总共有 7 个特征图，您还必须将配置文件的 num_layers int 更改为 7。 你可以把这个参数看成是检测网络的分辨率，层数越低，分辨率越精细。
现在，如果您已经执行了上述操作，还有一件事可以帮助您添加更多带有小物体的图像。如果这不可行，至少你可以尝试添加像random_image_scale这样的数据增强操作
【讨论】：