我正在尝试使用 caffe 为自定义数据集训练 Faster RCNN。我承认 Faster RCNN caffe 模型是在考虑输入图像大小为 600*1000 的情况下构建的。我的自定义数据集中有许多大小为 300*400 的图像。我是否需要将图像补零至 600*100 大小或将其放大？如果两者都不是，那么在将图像作为网络输入之前应该对图像进行适当的修改。请提出建议。
谢谢。
【问题讨论】：
config 我相信你的图像会被放大。输入大小应反映您希望检测的对象的预期大小。
标签： caffe
Faster RCNN 是在与您的图像尺寸非常接近的 pascal VOC 图像上训练的（pascalVOC 约为 500×375）。您不需要对图像进行零填充或放大，如果您使用原始 python 代码，这是整个过程的一部分。我认为您可以照原样使用它。
在我看来，只有当图像很大而对象很小时，才应该调整输入图像的大小。
例如，我有 3000x4000 个图像，需要检测 100x100 个对象。调整到 600x1000 后，我的对象接近 25x25。但是感受野在网络中是硬编码的（ZF 和 VGG 分别为 171 和 228 像素）。所以在这种情况下，相对于这个感受野，我的对象会非常小。这意味着描述正面的特征实际上将包含比前景更多的背景信息......
在这种情况下，我认为最好的方法是在训练阶段剪切图像（训练和测试可以有不同的缩放比例）。
【讨论】：