Tensorflow 对象检测 API 未检测到与训练集大小不同的图像中的对象

Question

我正在使用 Tensorflow 对象检测 API 开展一个项目。我已经在几个 test images 上训练了我的模型，并训练了一个 rfcn_resnet101_coco 模型来检测这些图像中的字母 o。

我认为模型工作正常，因为它在我传递给它的图像中检测到 o（准确度不错）。有关示例，请参阅 here 和 here。

但是，当我传入另外两张尺寸与前两张相差很大的图像时，模型无法检测到任何东西！例如，当我将full page 或single world 传递给模型时，输出与输入相同。

我相信这是因为我传入的最后两张图像比我用来训练模型的original training set 大或小得多，而前两张或大致相同大小。

我想知道是否有办法训练我的模型，使其能够检测不同大小图像中的字母 o，而不仅仅是那些与训练输入相似的图像。我想调整我的pipeline.config（找到here），但不知道从哪里开始。

Answer 1

首先，以特定方式对图像进行训练，然后在显着不同的场景（尤其是输入大小）上对其进行测试，这绝不是一个好习惯。 也就是说，除非您的模型/训练方案以某种方式处理这种差异。

此外，许多对象检测器使用锚点作为参考框，这意味着模型会针对它们进行训练然后预测对象。这些具有相对于输入分辨率的特定大小。如果您正在训练以使地面实况对象的大小与锚点大小相对应，但随后对其进行测试以使没有锚点适合您希望检测的对象（太小或太大），那么它将无法检测到它们.

这意味着您需要：

1. 具有与您要检测的对象的大小（和纵横比）相对应的锚点。
2. 确保您有与训练集中的这些锚点相对应的地面实况对象，这样您的模型才能真正从此类案例中学习。