用于检测小物体的SSD

Question

我将使用Google Detection API的SSD模型来检测小物体（如图片中的排球）。

我要在配置文件中更改以下参数（纵横比，比例等）：

anchor_generator {
  ssd_anchor_generator {
    num_layers: 6
    min_scale: 0.2
    max_scale: 0.95
    aspect_ratios: 1.0
    aspect_ratios: 2.0
    aspect_ratios: 0.5
    aspect_ratios: 3.0
    aspect_ratios: 0.3333

我有三个问题：

• 要修改这些参数（比例，宽高比等），是否需要重新训练模型？还是经过这些修改后，我仍然可以使用预训练的模型并对数据进行微调？

• 由于我要检测的对象与图像大小相比都很小，因此增加或减少mobilenet中转换层的数量会改善（速度或准确性）检测吗？如果是，我可以在哪个文件中应用这些更改？

• 是否有用于修改SSD移动网检测器的特定方法，以使其更好地检测小物体？例如，我知道4X4功能图（网格）对于我的对象来说太大了，有什么方法可以删除路线网格并仅保留精细网格（例如8X8）吗？

谢谢。

Answer 1

要修改这些参数（比例，宽高比等），是否需要重新训练模型？还是经过这些修改后，我仍然可以使用预训练的模型并对数据进行微调？ 是的，您需要重新训练模型，因为网络经过训练可以以特定的长宽比查找排球，但是您可以重新训练现有的网络，而不必使用新的网络。

由于我要检测的对象与图像大小相比都很小，因此增加或减少移动网络中conv层的数量会改善（速度或准确性）检测吗？如果是，我可以在哪个文件中应用这些更改？ 通常，您想要的是接近最小尺寸的网络，该网络仍可以产生合理的精度，但是我不确定tensorflow是否允许设置图像重采样限制，因为在该图像大小下，您可能会从图像中重新采样排球。训练是任何神经网络中最慢的部分，而运行查询以进行检测与性能无关。

是否有用于修改SSD移动网检测器的特定方法，以使其更好地检测小物体？例如，我知道4X4特征图（网格）对于我的对象来说太大了，是否有任何方法可以删除路线网格并仅保留精细网格（例如8X8）？ 如前所述，重采样设置很重要，但是我不确定是否可行。也许是比例参数。