使用YOLO对图像的不同DPI进行目标检测

Question

我正在尝试在电域对象上训练YOLOV2。 像变压器，配电盘等。 我以200 DPI训练了多个对象。当我使用图像测试集运行模型时，它提供了很好的准确性（.94），但是当我使用不同的DPI（300 DPI）模型进行测试时，找不到任何对象。

用于训练的对象是

我在这里想念什么？该模型是否需要使用所有可能的DPI进行训练？

注意：当我的失误率为0.2时，我停止了训练。训练了98张图像。 333条注释。

请让我知道是否可以使用其他一些机器学习技术来检测上述小物体。

Answer 1

我认为这是因为将大图像按比例缩小以固定大小的图像（例如416x416），以便可以将其馈送到YOLOv2的输入。如果按比例缩小图像，有时稀疏的谎言会从原始图像中消失。

让我用cv2.resize()进行演示：

import numpy as np
import matplotlib.pyplot as plt
import cv2
# for i in range(10):plt.close()

img_original = np.zeros((100, 100, 3)) # 100 x 100 RGB Black image
img_original[::10, :, :] = 255 # add some white lines

img_resized = cv2.resize(img_original, (10, 10)) # resize into 10 x 10 RGB

fig = plt.figure(figsize=(6, 3))
ax1 = fig.add_subplot(121)
ax1.imshow(img_original)
plt.xlabel('Original 100 x 100')
ax2 = fig.add_subplot(122)
ax2.imshow(img_resized)
plt.xlabel('Resized 10 x 10')
fig.savefig('./demo.jpg')
plt.show()