Faster RCNN + inception v2 输入大小
Faster RCNN + inception v2 input size
faster RCNN RPN 的输入大小是多少？
我正在使用 Tensorflow 的对象检测 API，它使用更快的 RCNN 作为区域建议网络 (RPN)，并将 Inception 作为特征提取器（根据配置文件）。 API 在预测阶段使用在线方法并单独检测每个输入图像。但是，我现在正尝试使用 Tensorflow 数据集 API 以批处理方式将图像提供给网络。
如您所知，对于批量处理数据，首先我们需要将所有图像调整为相同大小。我认为调整图像大小的最佳方法是将它们精确调整为更快的 RCNN 的输入大小，以避免重复调整大小。现在我的问题是更快的 RCNN RPN 的输入大小是多少？
提前致谢
这取决于管道配置文件中指定的输入分辨率，在 image_resizer 中。
例如，对于在 COCO 数据集上训练的 InceptionV2 上的 Faster R-CNN，请参见 this config file。
指定分辨率为600x1024.
附带说明一下，全卷积架构（例如 RFCN、SSD、YOLO）不限于单一分辨率，即您可以在不修改架构的情况下将它们应用于不同的输入分辨率。
但这并不意味着如果您在单一分辨率上进行训练，模型将对其具有鲁棒性。
faster RCNN RPN 的输入大小是多少？ 我正在使用 Tensorflow 的对象检测 API，它使用更快的 RCNN 作为区域建议网络 (RPN)，并将 Inception 作为特征提取器（根据配置文件）。 API 在预测阶段使用在线方法并单独检测每个输入图像。但是，我现在正尝试使用 Tensorflow 数据集 API 以批处理方式将图像提供给网络。 如您所知，对于批量处理数据，首先我们需要将所有图像调整为相同大小。我认为调整图像大小的最佳方法是将它们精确调整为更快的 RCNN 的输入大小，以避免重复调整大小。现在我的问题是更快的 RCNN RPN 的输入大小是多少？ 提前致谢
这取决于管道配置文件中指定的输入分辨率，在 image_resizer 中。
例如，对于在 COCO 数据集上训练的 InceptionV2 上的 Faster R-CNN，请参见 this config file。
指定分辨率为600x1024.
附带说明一下，全卷积架构（例如 RFCN、SSD、YOLO）不限于单一分辨率，即您可以在不修改架构的情况下将它们应用于不同的输入分辨率。 但这并不意味着如果您在单一分辨率上进行训练，模型将对其具有鲁棒性。