使用Tensorflow Object Detection API检测图像中的小对象

Question

我想使用Tensorflow Object Detection API来识别一系列网络摄像头图像中的对象。对COCO数据集进行预训练的Faster RCNN models似乎是合适的，因为它们包含我需要的所有对象类别。

但是，我想在识别每个图像中相当小的对象时提高模型的性能。如果我理解正确，我需要在config file中编辑锚scales参数，以使模型使用较小的边界框。

我的问题是：

• 调整此参数后，是否需要在整个COCO数据集上重新训练模型？或者有没有办法改变模型只是为了推断并避免任何重新训练？
• 是否有任何其他提示/技巧可以成功识别小物体，而不是将图像裁剪成各个部分，并分别对每个部分进行推理？

背景信息

我目前正在向模特提供1280x720张图像。大约200x150像素，我发现很难检测到物体。

Answer 1

1. 你不幸地需要重新训练，因为重量确实取决于锚的形状。

2. 具有更高分辨率的特征图应该有所帮助（但会减慢过程），因此更改特征提取器以获得减小输入尺寸的特征图（步幅> 1的最大池通常会减小空间尺寸）或在初始图像缩放器中稍微放大图像。