如何选择训练数据以在更大的图像上找到对象的许多小实例 - Mask RCNN？
How to choose training data to find many small instances of an object on a bigger image - Mask RCNN?
假设我有这样的任务：找到图像上的所有 windows。我可以只使用单个 window 的许多图像进行训练，然后在一张图像上找到许多 windows（图像描绘了公寓楼）吗？如果是，我应该如何选择每个训练图像的大小？我的验证图像的大小是多少？
从技术上讲，您可以。但这里的问题是你会期望你的算法在图像中找到一个window。您可以通过将测试图像（公寓块）裁剪成更小的部分并尝试在每个裁剪图像中预测 window 来解决此问题。也就是说，您必须以多种方式预处理单个 window 的图像 - 模糊它们、更改大小、旋转（倾斜）它们、输入一些人工噪声……但它绝对不会完美的。我建议您使用 YOLOv2 或 Yolov3 或其他一些对象检测算法和模型，并在具有大量 windows.
的平面图像上训练它们
假设我有这样的任务：找到图像上的所有 windows。我可以只使用单个 window 的许多图像进行训练，然后在一张图像上找到许多 windows（图像描绘了公寓楼）吗？如果是，我应该如何选择每个训练图像的大小？我的验证图像的大小是多少？
从技术上讲，您可以。但这里的问题是你会期望你的算法在图像中找到一个window。您可以通过将测试图像（公寓块）裁剪成更小的部分并尝试在每个裁剪图像中预测 window 来解决此问题。也就是说，您必须以多种方式预处理单个 window 的图像 - 模糊它们、更改大小、旋转（倾斜）它们、输入一些人工噪声……但它绝对不会完美的。我建议您使用 YOLOv2 或 Yolov3 或其他一些对象检测算法和模型，并在具有大量 windows.
的平面图像上训练它们