对象检测模型可以适应旋转吗？

Question

即使训练图像中未包含旋转版本，TensorFlow对象检测模型也会输出正确的边界框预测。

这是对象检测模型的常规行为吗？如果是这样，什么（代码或概念的一部分）确保这种适应？

Answer 1

可以模拟最简单的方法是通过数据集扩充，其中输入图像在每次传递到网络中之前都经过人工旋转，每次传递的数量不同。

通常将旋转限制为某个较小的值-例如-30到30度-而不是完全随机，因为图像通常具有某些标准方向，并且场景中的空间通常不是各向同性的（即，由于重力，向上的空间不同于侧面的空间）。

请注意，这些扩充不会使网络固有地旋转不变。但是，如果网络学习得很好，则应该学习近似的旋转不变性。

其他形式的增强包括左右翻转（但出于与上述相同的原因，不能上下翻转），调整大小和光度变化（如色相/饱和度/对比度操作）。在某些情况下，其中某些（或全部）不合适。例如，对于手写识别，符号本质上是不对称的，因此左右翻转是不合适的。