我有一组训练图像，其中包含许多小物体（10-20）。图像分辨率高（9000x6000）。
在进行yolo训练之前将图像分割成特定的对象更好吗？或者只是保持原样。
yolo会调整整个图像的大小，还是在调整大小之前先“提取”带注释的对象？
如果是前者，我担心分辨率会很差。想象一下416x416图像中的20个对象。
答案 0 :(得分：0)
yolo会调整整个图像的大小，还是“提取”带注释的图像 对象先调整大小？
是的，如果使用Yolo，则会调整整个图像的大小，并且在调整大小之前不会提取带注释的对象。
由于您输入的图像具有很高的分辨率，因此您可以执行以下操作：
Yolo可以使用网络输入层大小25 x 25有效地处理608 x 608的对象大小。因此，如果原始输入图像中的对象尺寸大于 250 x 250 ，则可以按原样训练图像（使用608 x 608网络尺寸）。在那种情况下，即使将图像调整为网络大小，对象的大小也将大于25x25。这应该给您良好的准确性。
(6000/600) * 25 = 250
如果原始图像中的对象尺寸小于 200 x 200 ，请将输入图像分成8个较小的单位/块，例如2250 x 1500的块/小块。将这些块训练为单个图像。每个较大的图像（9000 x 6000）对应于8个训练图像。每个图像可能包含零到许多对象。您可以使用滑动窗口方法进行操作。
您选择的训练方法也应用于推断。
要对各种尺寸的物体进行训练，请使用以下模型：[如果您使用原始图像进行训练，请使用此模型]
如果要检测的所有对象的尺寸都较小，则为了进行有效检测，请使用Yolov4并进行以下更改：[如果将原始图像分为8个块，则使用此选项]
layers = 23而不是layers = 54 stride=4而不是stride=2 stride=4而不是stride=2 参考：