Tensorflow Zoo 模型对象检测 - 大小会影响结果吗？
Tensor Flow Zoo Model Object Detection - Does size affect result?
我正在观看所有 tensorflow2 Zoo Model 的列表。
假设 640x640 是图像的大小，我想知道如果输入图像大于模型大小会发生什么。
例如，如果我们使用：
SSD ResNet50 V1 FPN 640x640 (RetinaNet50)
如果 640x640 是图像大小，我们用作输入的图像大小为 1915x1080，是否会影响对象检测的质量？如果是，我们是否应该使用 SSD ResNet50 V1 FPN 1024x1024 (RetinaNet50) 以获得更高的性能？
如果我的假设是错误的，那是什么意思640x640？
啊，老问题了，“大小重要吗”？是的，它确实。在 640x640 图像上训练的模型预计仅接收 640x640 图像。如果你有一张 1915x1080 的图像，你的工作就是将其缩小到 640x640 以进行分类。通常，分类应用程序的最大部分是将各种输入转化为模型期望的标准形式。
您必须决定如何缩小图像。您需要保持纵横比吗？你在顶部和底部留下黑条吗？
并且不要假设 1024 模型一定比 640 模型做得更好。通常情况下，更多的细节只会混淆分类。
我正在观看所有 tensorflow2 Zoo Model 的列表。 假设 640x640 是图像的大小，我想知道如果输入图像大于模型大小会发生什么。
例如，如果我们使用：
SSD ResNet50 V1 FPN 640x640 (RetinaNet50)
如果 640x640 是图像大小，我们用作输入的图像大小为 1915x1080，是否会影响对象检测的质量？如果是，我们是否应该使用 SSD ResNet50 V1 FPN 1024x1024 (RetinaNet50) 以获得更高的性能？
如果我的假设是错误的，那是什么意思640x640？
啊，老问题了，“大小重要吗”？是的，它确实。在 640x640 图像上训练的模型预计仅接收 640x640 图像。如果你有一张 1915x1080 的图像，你的工作就是将其缩小到 640x640 以进行分类。通常，分类应用程序的最大部分是将各种输入转化为模型期望的标准形式。
您必须决定如何缩小图像。您需要保持纵横比吗？你在顶部和底部留下黑条吗？
并且不要假设 1024 模型一定比 640 模型做得更好。通常情况下，更多的细节只会混淆分类。