如何使用 TensorFlow ObjectDetection API 中的自定义输入分辨率设置特定的 SSD (lite) 预测架构

Question

我想使用TensorFlow ObjectDetection API 在 COCO 数据集上训练一个自定义 SSDLite-MobileNetV2 对象检测器。我想要更高的输入分辨率，而不是（300,300）的固定输入分辨率，例如VGA (640,480) 或 (544,544)。 由于该架构是完全卷积的，因此可以有不同的输入分辨率。 但是，我想通过以下方式稍微改变 SSD 架构：

使用 300x300 的原始输入分辨率，在第一个 3x3 转换和 5 个反向瓶颈之后，我们有一个 19x19x96 的特征图，在另外两个瓶颈之后 - 10x10x320，然后是 1x1 - 10x10x1280，然后使用 3x3 深度可分离卷积变为 5x5x512、3x3x256、2x2x256 和 1x1x128。 然后在 19x19 - 19x19x576 的扩展版本、10x10x1280 以及所有其他分辨率较低的特征图（5x5、3x3、2x2、1x1）上进行预测 - 总共 6 个。

如果我的输入分辨率为 554x554，则如下所示： 在 3x3 转换和 5 个倒置瓶颈之后，它是 34x34x96，在另外两个之后 - 17x17x320，但是为了达到 1x1 分辨率，我需要一个额外的层： 9x9、5x5、3x3、2x2，然后是 1x1。

我想修改架构的方式是跳过 2x2 分辨率，并通过未填充的 3x3 深度可分离卷积从 3x3 直接获得 1x1。我的问题是这是否可以使用 TensorFlow ObjectDetection API 而无需大量代码修改，例如通过更改configuration file 或稍微修改代码。

编辑：添加 Python 标记。

EDIT2 - 尝试使问题更清楚： 在当前具有当前填充的架构中，为了从 3x3 的特征图传递到 1x1，我需要通过 2x2 的特征图（3x3 conv，stride=2，padded）。我想知道是否可以更改配置以使用单个 3x3 转换直接从 3x3 到 1x1 特征图，如果没有 - 如何编辑/制作替代 ssd_mobilenet_v2_feature_extractor （或其他代码）以实现那。

Answer 1

如果您只想更改输入分辨率，请更改您的 .config 文件（从https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs 获取）。 找到这个： image_resizer { fixed_shape_resizer { 身高：300 宽度：300 } } 更改高度和宽度值。 如果你想改变网络架构，会有点困难。ssdlite_mobilenet_v2使用的网络架构是ssd_mobilenet_V2。基础网络是slim/mobilenet/上的mobilenet v2，写一些自定义代码并定义你自己的模型（@987654322 @)。