tensorflow - Mobilenet SSD 输入图像大小

Question

我想在自定义数据集上训练 Mobilenet SSD 模型。

我研究了重新训练模型的工作流程，并注意到配置文件中的 image_resizer{} 块:

https://github.com/tensorflow/models/blob/d6d0868209833e014074d6cb4f32558e7acf2a6d/research/object_detection/samples/configs/ssd_mobilenet_v1_pets.config#L43

这里的纵横比是否必须像 300x300 这样的 1:1 或我可以指定自定义比例？

我所有的数据集图像都是 960x256 - 所以我可以输入这个大小的高度和宽度吗？或者我是否需要调整所有图像的大小以使其纵横比为 1:1？

Answer 1

在模型文件(根据您的链接)中选择高度和宽度作为您希望模型训练和操作的输入图像的形状。如果需要，模型会将输入图像的大小调整为指定的大小。

所以这可能是您输入图像的大小(如果您的硬件可以训练和操作该大小的模型):

image_resizer {
    fixed_shape_resizer {
        height: 256
        width: 960
    }
}

选择将取决于训练图像的大小以及训练(和使用)该模型大小所需的资源。

我通常使用 512x288，因为这个尺寸的模型可以在 Raspberry Pi 上愉快地运行。我准备了各种比例的训练图像，正好是这个尺寸。所以图像调整器在训练期间不起作用。

对于推理，我以 1920x1080 输入图像，因此图像调整器在它们进入 Mobilenet 之前将它们缩放到 512x288，保持纵横比。

然而，纵横比在我的领域并不重要，因为这种扭曲是自然发生的。

所以是的，只需使用您的训练图像尺寸。