什么应该适当的图像大小输入到更快的RCNN caffe模型？

Question

我正在尝试使用caffe为Custom数据集训练更快的RCNN。我已经承认，考虑到输入图像大小为600 * 1000，建立了更快的RCNN caffe模型。我的自定义数据集中有很多尺寸为300 * 400的图像。我是否需要将图像填零至600 * 100或高档图像？如果两者都不是，那么在将图像作为输入提供给网络之前应该对图像进行适当的修改。请建议。

谢谢。

Answer 1

更快的RCNN接受了帕斯卡VOC图像的培训，图像尺寸与您的图像尺寸非常接近（pascalVOC约为500×375）。您不需要填充或升级图像，如果您使用原始python代码，它是整个过程的一部分。我认为你可以按原样使用它。

在我看来，如果图像很大而物体很小，你应该只调整输入图像的大小。

例如，我有3000x4000图像，需要检测100x100个对象。调整大小到600x1000后，我的对象接近25x25。但是感知场在网络中是硬编码的（分别对于ZF和VGG为171和228像素）。所以在这种情况下，我的目标对于这个感受野来说会非常小。这意味着描述正面的特征实际上包含的背景信息比前景更多......

在这种情况下，我认为最好的方法是剪切训练阶段的图像（你可以有不同的训练和测试比例）。