针对超大图像的TF对象检测API的最佳实践

时间:2018-06-08 17:50:08

标签: tensorflow object-detection object-detection-api

Tensorflow Object Detection API提供variety of models。这些都是以600x600图像尺寸进行训练。假设我有一个6000x4000的卫星图像,我想在整个图像中连续检测物体。使TFODI模型适应此图像大小的最佳做法是什么?我并不关心每个图像的运行时间以进行物体检测。我有一个9GB内存的GPU。  我知道我可以在这个GPU上安装一个6000x4000的图像。我不确定我是否可以将这种尺寸的图像处理神经网络安装到GPU上。我可以想到几个选择:

  • 将图像分成600x600块,这可能会丢失穿过块的功能,但是一切都应该开箱即用。

  • 将模型定义中的图像尺寸从600x600更改为6000x4000。我可以从Model Zoo检查点重新训练,或者如果我这样做,我是否必须从头开始?

  • 将图像压缩为较小的尺寸。这会扭曲图像尺寸并且还会丢失要素细节。比如说一张城市的照片,由此产生的细节不足以挑出汽车和小房子。

1 个答案:

答案 0 :(得分:0)

你需要尝试不同的尺寸,并在训练期间看到使用什么尺寸,你的内存不足。内存消耗还取决于您正在训练的图像数量。根据您的描述,您将最终使用中间尺寸的图像