使用Tensorflow Object Detection API检测图像中的小对象

Question

我想使用Tensorflow Object Detection API来识别一系列网络摄像头图像中的对象.在COCO数据集上预训练的更快的RCNN模型似乎是合适的,因为它们包含我需要的所有对象类别.

但是,我想在识别每个图像中相当小的对象时提高模型的性能.如果我理解正确,我需要编辑配置文件中的锚scales参数,以使模型使用较小的边界框.

我的问题是:

• 调整此参数后,是否需要在整个COCO数据集上重新训练模型？或者有没有办法改变模型只是为了推断并避免任何重新训练？
• 是否有任何其他提示/技巧可以成功识别小物体,而不是将图像裁剪成多个部分并分别对每个部分进行推理？

背景信息

我目前正在向模特提供1280x720张图像.大约200x150像素,我发现检测物体更难.

Answer 1

1. 不幸的是,你需要重新训练,因为重量确实取决于锚的形状.

2. 具有更高分辨率的特征映射应该有帮助(但是减慢了过程),因此更改特征提取器以获得具有较少输入尺寸减小的特征提取器(具有步幅> 1的最大池通常是减小空间大小)或放大图像a初始图像缩放器中的位.