我正在尝试Tensorflow faster_rcnn_resnet101模型来检测642 * 481图像中的多个对象。我试过两种方法，但都没有得到满意的结果。
1）通过这种方式，我从训练图像中裁剪了对象（50 * 160矩形）（训练图像可能与642 * 481测试图像的昏暗尺寸不同）。我使用那些裁剪的图像来训练faster_rcnn_resnet101。如果测试集也是相同大小的裁剪图像，看起来效果很好。但是对于642 * 481测试图像，它无法检测到那里的多个物体，效果很好。
然后我想也许模型重新调整测试图像以匹配50 * 160，因此细节丢失了。在这个想法中，我尝试了另一种方式
2）我将每个裁剪的图像分别复制到642 * 481白色背景中（基本填充）。因此每个训练图像具有与测试图像相同的暗淡尺寸。复制在背景上的裁剪图像的位置有意设置为随机。但是，它仍然没有对测试图像进行良好的检测。 为了尝试它的性能，我使用GIMP制作包含对象的窗口，并用白色像素替换窗口外的其他部分。结果好多了。 如果我们只在图像中保留一个对象窗口并将其他部分设为白色，则结果为超级。
所以我的问题是这些背后发生了什么？我怎样才能成功地检测测试图像中的多个对象？感谢。
答案 0 :(得分：0)
这个想法是你应该在训练期间使用包含多个物体实例的训练图像。换句话说，你不必裁剪！特别是你的图像不是很大。
但是，您必须识别（标记）对象。这意味着知道图像中每个对象的边界框。此外，这些数据应与tfrecord文件中的原始图像组合在一起。整个过程有一个很好的指南here。在您的情况下，您将在源图像（642x481）中标记所有对象，而不仅仅是“浣熊”。如果您的对象有多个类，请确保将其标记为！
如果您使用这些包含上下文中对象的图像进行训练，那么网络将学会识别在上下文中具有对象的类似图像。