图像检测和分类 - 一般方法？
Image Detection & Classification - general approach?
我正在尝试构建一个检测 + class化模型，该模型将识别图像中的对象并 class化它。在我的 10 classes 中，每个图像最多包含 1 个对象（即同一图像不能包含 2 classes）。但是，图像可以包含我的 classes/objects 的 none。我正在努力解决这个问题的一般方法，特别是由于我的问题的性质；我的对象有不同的大小。这是我试过的：
使用仅包含我的 objects/classes 的图像训练了 classifier，即每张图像都是预先移除背景的对象本身。现在，由于 objects/images 具有不同的形状（纵横比），我不得不将图像重塑为相同的大小（破坏纵横比）。如果我的目的只是构建一个 classifier，这会很好用，但由于我还需要检测对象，所以效果不是很好。
第二种方法与 (1) 类似，只是我没有天真地重塑对象，而是通过用 0（黑色）填充图像来保持纵横比。这完全破坏了我的 classifiers 表现良好的能力（准确度 < 5%）。
Mask RCNN - 我按照 this 博文尝试在同一模型中构建检测器 + classifier。这种方法花了很长时间，我不确定这是正确的方法。我什至使用外部工具 (RectLabel) 生成包含有关边界框信息的注释图像文件。
问题：
在一般层面上，我应该如何解决这个问题：
我应该构建 2 个单独的模型吗？ （一个用于detection/localization，一个用于class化？）
我是否应该像方法 (3) 一样使用注释文件来注释我的图像？
我是否必须在任何阶段重塑图像？
谢谢，
PS。在我所有的方法中，我都对图像进行了扩充，以便每个 class.
生成约 500-1000 张图像
回答您的问题：
不，您不必构建两个单独的模型。您所描述的称为对象检测，它是分类和定位。有很多模型可以做到这一点：Mask_RCNN, Yolo, Detectron, SSD，等..
是的，您确实需要为图像添加注释，以便为您的自定义 类 训练模型。上面提到的每个模型都需要不同的注释方式。
不，您不需要调整图像大小。大多数情况下，它是在模型加载数据进行训练或推理时完成的。
你在尝试 MaskRCNN 的正确轨道上。
除了MaskRCNN，你还可以试试Yolo. There is also an accompanying easy-to-use annotating tool Yolo-Mark。
如果你读完本教程，你就会明白你关心的是什么。
How to train your own Object Detector with TensorFlow’s Object Detector API
SSD模型很小，训练时间不会太长。
There are some object detection models.
在 RectLabel 上，您可以将边界框保存为 PASCAL VOC 格式。
您可以为 Tensorflow 导出 TFRecord。
https://rectlabel.com/help#tf_record
我正在尝试构建一个检测 + class化模型，该模型将识别图像中的对象并 class化它。在我的 10 classes 中，每个图像最多包含 1 个对象（即同一图像不能包含 2 classes）。但是，图像可以包含我的 classes/objects 的 none。我正在努力解决这个问题的一般方法，特别是由于我的问题的性质；我的对象有不同的大小。这是我试过的：
使用仅包含我的 objects/classes 的图像训练了 classifier，即每张图像都是预先移除背景的对象本身。现在，由于 objects/images 具有不同的形状（纵横比），我不得不将图像重塑为相同的大小（破坏纵横比）。如果我的目的只是构建一个 classifier，这会很好用，但由于我还需要检测对象，所以效果不是很好。
第二种方法与 (1) 类似，只是我没有天真地重塑对象，而是通过用 0（黑色）填充图像来保持纵横比。这完全破坏了我的 classifiers 表现良好的能力（准确度 < 5%）。
Mask RCNN - 我按照 this 博文尝试在同一模型中构建检测器 + classifier。这种方法花了很长时间，我不确定这是正确的方法。我什至使用外部工具 (RectLabel) 生成包含有关边界框信息的注释图像文件。
问题： 在一般层面上，我应该如何解决这个问题：
我应该构建 2 个单独的模型吗？ （一个用于detection/localization，一个用于class化？）
我是否应该像方法 (3) 一样使用注释文件来注释我的图像？
我是否必须在任何阶段重塑图像？
谢谢，
PS。在我所有的方法中，我都对图像进行了扩充，以便每个 class.
生成约 500-1000 张图像回答您的问题：
不，您不必构建两个单独的模型。您所描述的称为对象检测，它是分类和定位。有很多模型可以做到这一点：Mask_RCNN, Yolo, Detectron, SSD，等..
是的，您确实需要为图像添加注释，以便为您的自定义 类 训练模型。上面提到的每个模型都需要不同的注释方式。
不，您不需要调整图像大小。大多数情况下，它是在模型加载数据进行训练或推理时完成的。
你在尝试 MaskRCNN 的正确轨道上。
除了MaskRCNN，你还可以试试Yolo. There is also an accompanying easy-to-use annotating tool Yolo-Mark。
如果你读完本教程，你就会明白你关心的是什么。 How to train your own Object Detector with TensorFlow’s Object Detector API
SSD模型很小，训练时间不会太长。 There are some object detection models.
在 RectLabel 上，您可以将边界框保存为 PASCAL VOC 格式。 您可以为 Tensorflow 导出 TFRecord。 https://rectlabel.com/help#tf_record