tensorflow - 使用 Tensorflow Object Detection API 检测图像中的小物体

Question

我想使用 Tensorflow Object Detection API识别一系列网络摄像头图像中的对象。 Faster RCNN models在 COCO 数据集上预先训练似乎很合适，因为它们包含我需要的所有对象类别。

但是，我想提高模型在识别每个图像中相当小的对象方面的性能。如果我理解正确，我需要编辑 anchor scales config file 中的参数让模型使用较小的边界框。

我的问题是:

调整这个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理并避免任何重新训练？

除了将图像裁剪成部分并分别对每个部分进行推理之外，是否还有其他提示/技巧可以成功识别小物体？

背景资料

我目前正在向模型提供 1280x720 图像。在大约 200x150 像素时，我发现检测对象更加困难。

Answer 1

不幸的是，您需要完全重新训练，因为权重确实取决于 anchor 的形状。

拥有更高分辨率的特征图应该会有所帮助(但会减慢过程)，因此更改特征提取器以获得输入尺寸减少较少的特征提取器(步幅> 1的最大池化通常会减少空间尺寸)或放大图像初始图像调整器中的位。