tensorflow - SSD-Mobilenetv2 300x300 - Tensorflow 异议检测 API

Question

我已经微调了一个 SSD-Mobilenetv2，其训练配置固定调整大小为 300x300，使用 tensorflow 异议检测 API 构建并以 TF Saved_Model 格式保存。问题：

• 在推理过程中，它如何能够接受任何形状（而不仅仅是 300x300）的输入图像，而无需进行任何预处理以首先将它们调整为 300x300，然后将它们传递给模型？
• 是不是因为默认情况下 saved_model 在推理过程中会调整大小？（如果是，它是否也会对它们进行归一化，因为在进行卷积操作之前）（我是 save_model 格式的新手，但我认为这不是因为 save_model，但那怎么可能 - 因为我认为 SSD-Mobilenet 包含需要的 FC 层固定输入大小）或者架构是否在 b/w 中使用 AdaptivePooling 来实现这一点？

标签： tensorflowdeep-learningobject-detection-apiinferencemobilenet

Answer 1

当您进行预测时，您必须使用与训练模型相同大小的图像。因此，如果您将 300 X 300 图像转换为 224 X 224，则必须对要预测的图像执行相同操作。MobileNet 还期望像素在 -1 到 +1 的范围内，函数 tf.keras.applications.mobilenet_v2.preprocess_input 执行该操作。对于要预测的图像，您也需要类似地缩放像素。您可以使用提到的功能，也可以使用下面显示的等效功能。此外，如果模型是在 RGB 上训练的，那么图像会确保您要预测的图像是 RGB。

def scale(image):
    return image/127.5-1