Question

我试图使用Tensorflow的对象检测API来训练模型。我正在使用更快的rcnn resnet101（https://github.com/tensorflow/models/blob/master/object_detection/samples/configs/faster_rcnn_resnet101_voc07.config）的示例配置。
以下代码是配置文件的一部分，我不太明白：

image_resizer {
  keep_aspect_ratio_resizer {
    min_dimension: 600
    max_dimension: 1024
  }
}

我的问题是：

min_dimension和max_dimension的确切含义是什么？是否意味着输入图像的大小将调整为600x1024或1024x600？
如果我的图片尺寸不同，可能其中一些尺寸相对大于600x1024（或1024x600），我可以/应该增加min_dimension和max_dimension的价值吗？

我有这样的问题的原因来自这篇文章： TensorFlow Object Detection API Weird Behaviour

在这篇文章中，作者自己回答了这个问题：

然后我决定裁剪输入图像并将其作为输入提供。只是为了看看结果是否有所改善而且确实如此！
事实证明，输入图像的尺寸远大于模型所接受的600 x 1024。因此，它将这些图像缩小到600 x 1024，这意味着香烟盒正在丢失它们的细节：）

它使用了我使用的相同配置。我不确定是否可以更改这些参数，如果它们是默认或建议设置为此特殊模型，fast_rcnn_resnet101。

Answer 1

经过一些测试，我想我找到了答案。如果有任何问题，请纠正我。

在.config文件中：

image_resizer {
  keep_aspect_ratio_resizer {
    min_dimension: 600
    max_dimension: 1024
  }
}

根据'object_detection / builders / image_resizer_builder.py'的图像缩放器设置

if image_resizer_config.WhichOneof(
    'image_resizer_oneof') == 'keep_aspect_ratio_resizer':
  keep_aspect_ratio_config = image_resizer_config.keep_aspect_ratio_resizer
  if not (keep_aspect_ratio_config.min_dimension
          <= keep_aspect_ratio_config.max_dimension):
    raise ValueError('min_dimension > max_dimension')
  return functools.partial(
      preprocessor.resize_to_range,
      min_dimension=keep_aspect_ratio_config.min_dimension,
      max_dimension=keep_aspect_ratio_config.max_dimension)

然后它尝试使用'object_detection / core / preprocessor.py'的'resize_to_range'函数

  with tf.name_scope('ResizeToRange', values=[image, min_dimension]):
    image_shape = tf.shape(image)
    orig_height = tf.to_float(image_shape[0])
    orig_width = tf.to_float(image_shape[1])
    orig_min_dim = tf.minimum(orig_height, orig_width)

    # Calculates the larger of the possible sizes
    min_dimension = tf.constant(min_dimension, dtype=tf.float32)
    large_scale_factor = min_dimension / orig_min_dim
    # Scaling orig_(height|width) by large_scale_factor will make the smaller
    # dimension equal to min_dimension, save for floating point rounding errors.
    # For reasonably-sized images, taking the nearest integer will reliably
    # eliminate this error.
    large_height = tf.to_int32(tf.round(orig_height * large_scale_factor))
    large_width = tf.to_int32(tf.round(orig_width * large_scale_factor))
    large_size = tf.stack([large_height, large_width])

    if max_dimension:
      # Calculates the smaller of the possible sizes, use that if the larger
      # is too big.
      orig_max_dim = tf.maximum(orig_height, orig_width)
      max_dimension = tf.constant(max_dimension, dtype=tf.float32)
      small_scale_factor = max_dimension / orig_max_dim
      # Scaling orig_(height|width) by small_scale_factor will make the larger
      # dimension equal to max_dimension, save for floating point rounding
      # errors. For reasonably-sized images, taking the nearest integer will
      # reliably eliminate this error.
      small_height = tf.to_int32(tf.round(orig_height * small_scale_factor))
      small_width = tf.to_int32(tf.round(orig_width * small_scale_factor))
      small_size = tf.stack([small_height, small_width])

      new_size = tf.cond(
          tf.to_float(tf.reduce_max(large_size)) > max_dimension,
          lambda: small_size, lambda: large_size)
    else:
      new_size = large_size

    new_image = tf.image.resize_images(image, new_size,
                                       align_corners=align_corners)

从上面的代码中，我们可以知道我们是否有一个大小为800 * 1000的图像。最终输出图像的大小为600 * 750。

也就是说，此图像缩放器将始终根据“min_dimension”和“max_dimension”的设置调整输入图像的大小。

使用对象检测api的默认配置时，不同尺寸的图像缩放器的影响是什么

1 个答案: