TF目标检测API:在高分辨率图像中的推理
TF目标检测API:在高分辨率图像中的推理
提问于 2017-08-27 06:37:35
我已经训练了一个模型(基于更快的rcnn )来识别1000x600图像中的80x80大小的对象。
当给出1000x600测试图像时，推理工作良好。
然而，我的最终目标是能够在非常高分辨率的照片(5000x4000或更高，有时是其中的10倍)中检测到这样的对象(80x80)。
我有什么选择？
我认为一种方法是将大图像分割成1000x600的较小的图像，并对它们进行推断。但是，这种方法也存在着挑战。
有人尝试过这个用例并找到了可行的解决方案吗？
--
回答 2
Stack Overflow用户
发布于 2017-08-27 11:06:27
我要做的是：
- 缩小图像5000x4000 -> 1000x600的大小
- 预测对象；您将得到
xminx, xmaxs, ymins, ymaxs->按宽度和高度对它们进行规范化，以获得0和1的值空间。 - 获取原始图像，并根据原始宽度和高度重新标准化对象框。
您建议的分割图像的方法也应该是有效的，但在计算上会更昂贵。
Stack Overflow用户
发布于 2018-06-15 22:20:01
你可以：
- 进行逐片推断，并使用非最大抑制来处理边界情况，或
- 通过填充使您的培训图像与您的测试映像大小相同。
让我们知道你最后做了什么！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45902320
复制相关文章
相似问题
腾讯云开发者
