关于量化 Mobilenet-SSD V2 所需的 300x300 输入的一些问题

Question

我想重新训练量化的 Mobilenet-SSD V2 model 所以我从 COCO 下载了未标记的文件夹。 这个 model 需要 300x300 的输入大小，但我成功地在不同大小的图片上重新训练它一次并且它工作（很差，但工作）。 此外，使用重新训练的 model 的代码将来自相机的输入调整为 500x500 并且可以正常工作。 所以我的问题是，如果它也适用于其他尺寸，为什么它会写出所需的输入是 300x300？ 在我 label 之前，我是否需要将所有数据集的大小调整为 300x300？ 我知道它会对输入进行卷积，所以我认为大小并不重要（如果我错了，请纠正我）。 据我所知，卷积一直持续到我们到达输入的末尾。

感谢您的帮助！

Answer 1

如果我理解正确，您正在使用 TF Object 检测 API。 给定的 model，作为 mobilenet-v2-ssd，包含 3 个主要块：[预处理（规范化和调整大小）-> [检测器（骨干网 + 检测头）]-> [后处理（bbox 解码+nms）]

当他们谈论所需的输入时，它是用于检测器的。检查点本身包含完整的管道，这意味着预处理单元将为您完成工作——因此无需事先将其调整为 300x300。

如果由于某种原因您打算自己将输入直接注入到检测器中，则您必须执行与训练中相同的预处理。

顺便说一句：在训练的配置文件（ https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/ssd_mobilenet_v2_coco.config ）中，您可以看到定义的调整大小： image_resizer { fixed_shape_resizer { height: 300 width: 300 } } - 归一化是 mobilenet 归一化（将输入的动态范围从 [0,255] 更改为 [-1,1]