faster-rcnn-pytorch
faster-rcnn-pytorch copied to clipboard
bubbliiiing
关于小目标检测和input_shape的问题？
大佬，我做对比试验可以将[faster-rcnn-pytorch]中input_shape改为 input_shape = [608, 608] 然后在其他程序里面也都改为 input_shape = [608, 608] 吗？这里nets.rpn.py里面class ProposalCreator(): def init( self, mode, nms_iou = 0.7, n_train_pre_nms = 12000, n_train_post_nms = 600, n_test_pre_nms = 3000, n_test_post_nms = 300, min_size = 16
):
这里 n_train_post_nms = 600,需要改为608吗？ 我map很差，是不是input_shape = [608, 608]最好设置为600，因为我检测小目标，50冻结250解冻训练，24.18% = nodule AP || score_threhold=0.5 : F1=0.37 ; Recall=40.34% ; Precision=34.04%太低了， 还有代码中你说 # 如果想要检测小物体，可以减小anchors_size靠前的数。 # 比如设置anchors_size = [4, 16, 32]，这里utils.anchors.py中# 生成基础的先验框 #--------------------------------------------# #def generate_anchor_base(base_size=16, ratios=[0.5, 1, 2], anchor_scales=[8, 16, 32]): def generate_anchor_base(base_size=16, ratios=[0.5, 1, 2], anchor_scales=[4, 16, 32]): anchor_base = np.zeros((len(ratios) * len(anchor_scales), 4), dtype=np.float32) 也需要改anchors_size = [4, 16, 32]吗？ 我改了后效果很差（24.18% = nodule AP || score_threhold=0.5 : F1=0.37 ; Recall=40.34% ; Precision=34.04%），很多map_out/detection-results里面没检测出来是空白的，我的map_out/ground-truth中基本都是nodule 259 98 263 102这样小的（4*4），我设置anchors_size多少合适啊？
我很难理解你的意思
呃，就是我anchorsize改了，然后检测效果很不好，单类别小目标检测训练300epoch的map只有二十，是哪参数还得改吗？另外能inputshape608×608吗，这样的话除了改inputshape还需要改什么参数？