无法使用TensorFlow对象检测API训练具有更大输入分辨率的SSD接收V2

Question

我希望使用TensorFlow对象检测API在分辨率大于300x300的自定义数据集上从头开始训练SSD Inception-V2

我将其作为示例配置文件引用：https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/ssd_inception_v2_coco.config

通过设置以下各项，我成功培训了一个性能良好的4级定制模型： num_classes: 4并将训练数据路径指向我的自定义数据集

但是，输入分辨率设置为300x300，带有：

image_resizer {
  fixed_shape_resizer {
    height: 300
    width: 300
  }
}

我的数据集有非常小的对象，我想在训练期间提高输入分辨率

但是，如果我只是将此设置更改为：

image_resizer {
  fixed_shape_resizer {
    height: 640
    width: 640
  }
}

模型根本没有训练，损失也停滞不前。我看到一些其他的线程讨论了更改锚定框和定制SSD网络以与新的分辨率兼容

我尝试过锚箱的几种配置和模型定制，但我永远无法获得模型培训。（看起来像是训练，但损失没有减少，推断是垃圾输出）

是否有人对SSD Inception-V2进行过分辨率为300x300以外的TensorFlow对象检测API培训，并能提供更多具体步骤来执行培训

Answer 1

因为您的数据中有小对象，所以我建议您尝试以这种方式对640x640图片进行二次采样

…其中“黑色640x640”是您的原始图像。当您了解这些技巧时，您可以通过随机位置采样300x300图像（上面的蓝色、绿色和红色矩形图）轻松获得，从而从该图像中可靠地呈现您的原始图像，直接与SSD Inception V2兼容。也许你可以用这种方法进行可靠的物体识别？训练和推理

另一种利用“众所周知的主干SSD Inception V2的全面深入智能，但仅适用于300x300输入图像”的方法是以以下方式并行分割图像

…这意味着您将为SSD Inceptions-V2的并行拷贝配置300x300大小的输入映像的静态位置。并且，应用简单的“计数逻辑”，例如，计算原始640x640图像中小对象的总数

我希望这些想法能帮助你解决最初的问题

Answer 2

2016年推出的原始SSD paper设计了两种特定的输入图像大小300x300和512x512。然而，这方面的主干是Mobilenet（考虑到速度是主要因素）。您可以尝试将图像大小调整为512x512，然后进行训练。然而，考虑到回购协议将300x300作为默认值，可能意味着当输入为该大小而不是任何其他大小时，模型工作得最好

然而，还有许多其他模型允许输入大小为640x640

在Tensorflow models zoo-version 1中，您有ssd_resnet50_v1{a2}，在version 2中，您有许多其他SSD和EfficientSet变体，它们支持640x640（但是有不同的主干）

通过使用上述模型进行培训，您可能会获得更好的结果