使用 TFRecord 格式的裁剪图像是否有任何负面影响？

如何解决使用 TFRecord 格式的裁剪图像是否有任何负面影响？

TensorFlow 对象检测 API 需要 TFRecord 图像裁剪属性，如下所示：

async Task<string> GetStuffAsync()
{
    var client = new HttpClient();
    var cts = new CancellationTokenSource();
    string output = null;

    // Define the dataflow block
    var block = new ActionBlock<string>(async url =>
    {
        string response = await client.GetStringAsync(url,cts.Token);
        Console.WriteLine($"{url} => {response}");
        if (response != "null")
        {
            // Found the desired output
            output = response;
            cts.Cancel();
        }
    },new ExecutionDataflowBlockOptions()
    {
        CancellationToken = cts.Token,MaxDegreeOfParallelism = 10 // Configure this to a desirable value
    });

    // Feed the block with URLs
    for (int i = 0; i < 60000; i += 256)
    {
        block.Post("http://localhost:7075/api/Function1?index=" + i.ToString());
    }
    block.Complete();

    // Wait for the completion of the block
    try { await block.Completion; }
    catch (OperationCanceledException) { } // Ignore cancellation errors
    return output;
}

但我有一个预先裁剪图像的数据集（因为在每个图像中只显示要分类的对象）。在提供 xmin ymin 为 0 和 xmax ymax 裁剪图像大小的预裁剪图像数据的训练过程中会不会有任何缺点？我主要关心的是训练系统是否会在裁剪选择附近使用上下文数据。

我的问题可能更好地表述为“TensorFlow 模型是否可能使用 TFRecord 文件中选择的位置附近的上下文细节进行训练？”

解决方法

不，您肯定需要边界框信息来训练对象检测器。他们是否可能使用上下文信息？也许吧，但这是一种习得的行为。

您需要提供物体在多个背景、比例、照明等中可见的图像，以便训练网络以稳健地检测物体。如果您只有预先裁剪的图像，那么您只能训练一个图像分类器，检测部分将无法从这些图像中学习任何有用的信息。