有没有人尝试过更快的 rcnn 中每个类的位置效果？
如果我的火车数据有一个对象类总是在帧的一个区域中，假设在图像的右上角，并且在评估数据集上，我有一张图像表明该对象位于其他区域，向下剩下， Faster RCNN 是否能够处理这种情况？
或者，如果我希望我的网络找到所有框架区域中的所有类，我需要在火车数据集中提供覆盖所有区域的示例？
【问题讨论】：
标签： tensorflow caffe detection object-detection
我们方法的一个重要特性是它是 平移不变性，无论是在锚点和 计算相对于锚点的提议的函数。如果 翻译图像中的对象，建议应该 translate 和相同的函数应该能够预测 在任一位置提出建议。这个平移不变的属性 由我们的方法保证*
*与 FCN [7] 的情况一样，我们的网络在网络的总步幅内是平移不变的
所以简短的回答是，您可能会认为对象主要位于火车集中的某个位置以及测试集中的其他地方。
更长一点的答案是，该位置可能有可能影响准确性的副作用，并且将对象放在不同的位置可能会更好；但是，您可以尝试将 - 出于测试目的 - N 个测试样本添加到训练集中，并查看测试集 -N 剩余样本的准确度变化。
【讨论】：