火车中的物体位置是否影响 Faster RCNN 的结果？
Is the object location in train effect the results for Faster RCNN?
有没有人在faster rcnn中试过每个class位置的效果？
如果我的火车数据有一个对象 classes 总是在框架的一个区域，假设在图像的右上角，并且在评估数据集上我有一个图像对象在其他区域，左下方，
Faster RCNN 是否能够处理这种情况？
或者，如果我希望我的网络在所有框架区域中找到所有 classes，我需要在覆盖所有区域的训练数据集中提供示例？
An important property of our approach is that it is
translation invariant, both in terms of the anchors and the
functions that compute proposals relative to the anchors. If
one translates an object in an image, the proposal should
translate and the same function should be able to predict the
proposal in either location. This translation-invariant property
is guaranteed by our method*
*As is the case of FCNs [7], our network is translation invariant up to the network’s total stride
所以简短的回答是，您可能会认为对象主要位于训练集中的某个位置和测试集中的其他位置。
更长一点的答案是位置可能有副作用，可能会影响准确性，将对象放在不同的位置可能会更好；但是您可以尝试添加 - 出于测试目的 - N 个测试样本到训练集，看看测试集中的准确度变化是什么 -N 个剩余样本。
有没有人在faster rcnn中试过每个class位置的效果？
如果我的火车数据有一个对象 classes 总是在框架的一个区域，假设在图像的右上角，并且在评估数据集上我有一个图像对象在其他区域，左下方， Faster RCNN 是否能够处理这种情况？
或者，如果我希望我的网络在所有框架区域中找到所有 classes，我需要在覆盖所有区域的训练数据集中提供示例？
An important property of our approach is that it is translation invariant, both in terms of the anchors and the functions that compute proposals relative to the anchors. If one translates an object in an image, the proposal should translate and the same function should be able to predict the proposal in either location. This translation-invariant property is guaranteed by our method*
*As is the case of FCNs [7], our network is translation invariant up to the network’s total stride
所以简短的回答是，您可能会认为对象主要位于训练集中的某个位置和测试集中的其他位置。
更长一点的答案是位置可能有副作用，可能会影响准确性，将对象放在不同的位置可能会更好；但是您可以尝试添加 - 出于测试目的 - N 个测试样本到训练集，看看测试集中的准确度变化是什么 -N 个剩余样本。