针对不同尺寸的图像更快地训练RCNN

Question

我正在为自定义尺寸图像训练Faster RCNN模型，我只希望训练第一阶段（建议阶段）。

我的第一个问题是，这是否是针对较低分辨率的resnet提案提取器进行培训的正确方法。我看到非常差的精度，并且不确定为训练自定义尺寸图像而应该寻找的所有参数，而不是使用min_dim为600和max_dim为1024。例如，以下是我尝试过的较低分辨率的配置，但结果/建议是不好。

这是我的配置的样子：

model {
faster_rcnn {
num_classes: 90
image_resizer {
keep_aspect_ratio_resizer {
min_dimension: 300
max_dimension: 512
     }
}
number_of_stages: 1
feature_extractor {
type: 'faster_rcnn_resnet101'
first_stage_features_stride: 8
}
first_stage_anchor_generator {
grid_anchor_generator {
scales: [0.25, 0.5, 1.0, 2.0]
aspect_ratios: [0.5, 1.0, 2.0]
height_stride: 8
width_stride: 8
      }
}