与使用CNTK在Faster R-CNN网络中进行测试相比，我可以使用较小的图像进行训练吗？

Question

我正在使用CNTK在具有1920 * 1200图像的自定义数据集上训练Faster R-CNN网络。如果直接在这些大图像上进行训练，则会遇到运行时错误（RuntimeError：cuDNN失败9：CUDNN_STATUS_NOT_SUPPORTED）。要检测的物体很小（〜30 * 30像素），我发现了一个建议：“在训练阶段剪切图像（可以为训练和测试使用不同的缩放比例）”。 （What should be appropriate image size input to faster RCNN caffe model?）。

如果我将训练图像和测试图像都剪切为相同的大小（640 * 400），则效果很好。但是，如果要测试完整尺寸的图像，将训练图像切成640 * 400片并将FastRCNN_config.py中的条目更改为：

__C.IMAGE_WIDTH = 640
__C.IMAGE_HEIGHT = 400

__C.TEST.OUTPUT_IMAGE_WIDTH = 1920
__C.TEST.OUTPUT_IMAGE_HEIGHT = 1200

似乎存在某种缩放问题，因为输出检测结果被一起压缩在图像的左上方。

我不知道检测是否有效，但是边界框显示不正确或是否都失败了，但看起来都一样。

要对大于训练图像的图像进行检测，我还需要更改其他哪些设置？

Answer 1

我有一个非常相似的问题，目前还没有解决方案。我想训练和测试416x416的图像大小，以比较Yolo和Faster R-CNN。另外，我的预测图像都被压缩到测试图像的左上方，如所附的屏幕快照所示。如果有人知道出了什么问题，将不胜感激。 Image of falsy ROI predictions in upper left corner。