使用注释文件训练大图像 - 替代方案？

Question

系统：

操作系统 - Ubuntu 16.04 LTS // RAM - 8 GB // GPU - 2 x GTX 1080 // 软件 - Tensorflow / Keras

问题陈述：

我有大图像（6500 x 4308 像素），我想在这些图像上运行训练过程来训练 DL 算法。问题是这种尺寸的图像不适合我的显卡内存（2 x GTX 1080）。 我计划将图像分成更小的图块以放入内存中，最后将图块放在一起以显示结果图像（在测试阶段查看图像的预测，例如表面缺陷）。

但是对于每个大图像，我都有一个注释文件，其中包含有关图像中边界框的信息。所以现在我没有关于如何进行的技巧或想法。 如果你们能根据自己的经验向我推荐一些方法，我会非常高兴。

提前谢谢你！

编辑：图像调整大小不是一个选项，因为 ROI 小至 5 x5 像素。如果重新调整图像大小，它们将丢失。

Answer 1

您可以从包含预处理感兴趣区域的图像中裁剪小部分。然后可以在这些裁剪的感兴趣区域上训练一个小型神经网络。然后，您可以在全尺寸图像中扫描小型神经网络（低效）或使用reinforcement learning strategy（高效）来识别全尺寸图像中的感兴趣区域。