deep-learning - 我应该使用哪种图像尺寸来训练 Yolov3?
问题描述
我想训练一个 yolo 模型来检测交通标志。我有整个街景的非常大的图像 (3840 x 2160),包含 1-3 个较小的交通标志。我知道该模型在平方和小图像上训练时效果最好。那么,您认为用给定图像训练模型的更好做法是什么?调整整个街景的大小并在整个图像上训练,还是从街景中提取交通标志并只在标志上训练?
谢谢你的帮助。
解决方案
您不小心将两种不同的深度学习方法交织在一起:当您仅提取交通标志并在这些提取上进行训练时,您实际上是在执行分类而不是对象检测。
然而,Yolo 是一个适用于目标检测的模型,它确实包括分类和定位。
我的建议是尝试较小的图像尺寸并尝试保持纵横比(即将宽度和高度除以相同的数字),从而在整个图像上进行训练。
至于平方方法,您必须自己进行测试以检查模型的行为方式。
推荐阅读
- jquery - 如何让输入焦点边框样式恢复正常状态?
- javascript - 存储与javascript循环的输入值
- react-native - 调用后无法清除 AbortController.abort()
- http - 无法让 SSL 加密与负载平衡一起使用(HTTPS 重定向问题)
- python - 如何在 TensorFlow 2 中保存/加载模型的一部分?
- c++ - 从末尾开始查找字符串中的子字符串
- python - 为什么 Cython 期望 0 维?
- amazon-cloudformation - ParameterOverrides 的 CloudFormation 语法
- r - 如何解决错误:在 r 上提供连续刻度的离散值
- php - PHP覆盖数组mysql查询?