Mobilenet SSD输入图像大小

Question

我想在自定义数据集上训练Mobilenet SSD模型。

我已经研究了重新训练模型的工作流程，并注意到配置文件中的image_resizer {}块：

https://github.com/tensorflow/models/blob/d6d0868209833e014074d6cb4f32558e7acf2a6d/research/object_detection/samples/configs/ssd_mobilenet_v1_pets.config#L43

此处的宽高比是否必须为1：1，如300x300，还是可以指定自定义比率？

我的所有数据集图像都是960x256 - 所以我可以输入这个尺寸的高度和宽度吗？或者我是否需要调整所有图像的大小以使宽高比为1：1？

Answer 1

在模型文件中（根据您的链接）选择高度和宽度，以使其为模型在其上进行训练和操作的输入图像的形状。如果需要，模型会将输入图像的大小调整为指定的大小。

因此，这可能是输入图像的大小（如果您的硬件可以训练和操作该大小的模型）：

image_resizer {
    fixed_shape_resizer {
        height: 256
        width: 960
    }
}

选择将取决于训练图像的大小以及训练（和使用）该模型大小所需的资源。

我通常使用512x288，因为这种尺寸的模型可以在Raspberry Pi上愉快地运行。我以这种大小准备了各种比例的训练图像。因此，图像调整器在训练期间不起作用。

为了进行推断，我以1920x1080的分辨率输入图像，因此图像调整器在将其传递到Mobilenet之前将其缩放为512x288，并保持宽高比。

但是，长宽比在我的领域中并不重要，因为这种变形是自然发生的。

是的，只需使用您的训练图像尺寸即可。

Answer 2

如果保持原样，无论图像的实际尺寸如何，网络都会将输入图像的大小调整为300x300。您可以尝试的另一件事是使用以下更改替换image_resizer块：

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

，它将为您的输入图像提供未整形的网络，范围为[min_dim，max_dim]。我不知道，如果这将起作用，因为我相信ssd探测器要求输入图像调整为正方形，意味着具有相同的高度和宽度，例如224x224或128x128。您无需对硬图像进行任何手动更改。