2024-04-19 23:01:49 发布
网友
我在寻找检测小规模对象的最佳网络和配置时遇到问题。从现在起,我在小对象上获得了非常高的服务水平地图(我正在尝试使用mapillary数据集检测交通标志)
我尝试过使用更快的R-CNN 101(将输入大小调整为1024)和带有FPN的SSD 101(将输入大小调整为1024)。 我没有找到一个预先训练过的带有FPN的更快的R-CNN模型,所以我无法尝试
您认为检测小物体的最佳网络和配置是什么
多谢各位
您提到的模型是为速度而构建的模型。对于小对象检测,您通常更关心模型的准确性。因此,您可能应该使用更大的模型,以牺牲速度换取精度(地图)。如果您想使用tensorflow 2,here是可用模型的概述。此外,对于小对象检测,正如您所说的,您应该保持高分辨率。您也可以将图像裁剪成多个裁剪,以检测图像的某些部分
所以我不同意@Akash Desai关于SSD的观点,但我也认为detectron2更符合最先进的型号,以获得更好的性能。因此,如果您不关心框架,可以切换到detectron2
SSD最适合检测小目标和大目标,因为它将尝试对每个特征图进行预测
您已将图像大小调整为1024???这种情况下,模型在数据集上的训练会花费更多的时间,所以要保持图像的小尺寸,比如460*460
您也可以尝试使用detectron2,它的速度更快&;比张量流更简单
https://colab.research.google.com/github/Tony607/detectron2_instance_segmentation_demo/blob/master/Detectron2_custom_coco_data_segmentation.ipynb
您提到的模型是为速度而构建的模型。对于小对象检测,您通常更关心模型的准确性。因此,您可能应该使用更大的模型,以牺牲速度换取精度(地图)。如果您想使用tensorflow 2,here是可用模型的概述。此外,对于小对象检测,正如您所说的,您应该保持高分辨率。您也可以将图像裁剪成多个裁剪,以检测图像的某些部分
所以我不同意@Akash Desai关于SSD的观点,但我也认为detectron2更符合最先进的型号,以获得更好的性能。因此,如果您不关心框架,可以切换到detectron2
SSD最适合检测小目标和大目标,因为它将尝试对每个特征图进行预测
您已将图像大小调整为1024???这种情况下,模型在数据集上的训练会花费更多的时间,所以要保持图像的小尺寸,比如460*460
您也可以尝试使用detectron2,它的速度更快&;比张量流更简单
相关问题 更多 >
编程相关推荐