Tensorflow：对于较大的输入图像，是否需要修改图像调整大小参数？

如何解决Tensorflow：对于较大的输入图像，是否需要修改图像调整大小参数？

我正在训练具有200个训练图像和40个测试图像的图像识别算法（TesorFlow 1.15，Python 3.7.7）。每个图像的尺寸为4000 x 3000像素，因此每个图像都很大。我正在训练以下算法（SSD Mobilenet V1）：

model {
  ssd {
    num_classes: 1
    box_coder {
      faster_rcnn_box_coder {
        y_scale: 10.0
        x_scale: 10.0
        height_scale: 5.0
        width_scale: 5.0
      }
    }
    matcher {
      argmax_matcher {
        matched_threshold: 0.5
        unmatched_threshold: 0.5
        ignore_thresholds: false
        negatives_lower_than_unmatched: true
        force_match_for_each_row: true
      }
    }
    similarity_calculator {
      iou_similarity {
      }
    }
    anchor_generator {
      ssd_anchor_generator {
        num_layers: 6
        min_scale: 0.2
        max_scale: 0.95
        aspect_ratios: 1.0
        aspect_ratios: 2.0
        aspect_ratios: 0.5
        aspect_ratios: 3.0
        aspect_ratios: 0.3333
      }
    }
    image_resizer {
      fixed_shape_resizer {
        height: 300
        width: 300
      }
    }
    box_predictor {
      convolutional_box_predictor {
        min_depth: 0
        max_depth: 0
        num_layers_before_predictor: 0
        use_dropout: false
        dropout_keep_probability: 0.8
        kernel_size: 1
        box_code_size: 4
        apply_sigmoid_to_scores: false
        conv_hyperparams {
          activation: RELU_6,regularizer {
            l2_regularizer {
              weight: 0.00004
            }
          }
          initializer {
            truncated_normal_initializer {
              stddev: 0.03
              mean: 0.0
            }
          }
          batch_norm {
            train: true,scale: true,center: true,decay: 0.9997,epsilon: 0.001,}
        }
      }
    }
    feature_extractor {
      type: 'ssd_mobilenet_v1'
      min_depth: 16
      depth_multiplier: 1.0
      conv_hyperparams {
        activation: RELU_6,regularizer {
          l2_regularizer {
            weight: 0.00004
          }
        }
        initializer {
          truncated_normal_initializer {
            stddev: 0.03
            mean: 0.0
          }
        }
        batch_norm {
          train: true,}
      }
    }
    loss {
      classification_loss {
        weighted_sigmoid {
        }
      }
      localization_loss {
        weighted_smooth_l1 {
        }
      }
      hard_example_miner {
        num_hard_examples: 3000
        iou_threshold: 0.99
        loss_type: CLASSIFICATION
        max_negatives_per_positive: 3
        min_negatives_per_image: 0
      }
      classification_weight: 1.0
      localization_weight: 1.0
    }
    normalize_loss_by_num_matches: true
    post_processing {
      batch_non_max_suppression {
        score_threshold: 1e-8
        iou_threshold: 0.6
        max_detections_per_class: 100
        max_total_detections: 100
      }
      score_converter: SIGMOID
    }
  }
}

train_config: {
  batch_size: 3
  optimizer {
    rms_prop_optimizer: {
      learning_rate: {
        exponential_decay_learning_rate {
          initial_learning_rate: 0.004
          decay_steps: 800720
          decay_factor: 0.95
        }
      }
      momentum_optimizer_value: 0.9
      decay: 0.9
      epsilon: 1.0
    }
  }
  fine_tune_checkpoint: "ssd_mobilenet_v1_coco_2018_01_28/model.ckpt"
  from_detection_checkpoint: true
  # Note: The below line limits the training process to 200K steps,which we
  # empirically found to be sufficient enough to train the pets dataset. This
  # effectively bypasses the learning rate schedule (the learning rate will
  # never decay). Remove the below line to train indefinitely.
  num_steps: 200000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  data_augmentation_options {
    ssd_random_crop {
    }
  }
}

train_input_reader: {
  tf_record_input_reader {
    input_path: "data/train.record"
  }
  label_map_path: "data/object-detection.pbtxt"
}

eval_config: {
  num_examples: 40 
  # Note: The below line limits the evaluation process to 10 evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: 10
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "data/test.record"
  }
  label_map_path: "training/object-detection.pbtxt"
  shuffle: false
  num_readers: 1
}

修改后的类包括：

• num_classes：1（与我要训练算法以检测的类的数量匹配）
• batch_size = 3
• 训练/测试路径目录
• eval_config：{num_examples：40＃匹配我在测试文件夹中拥有的测试图像的数量

我不希望缩小图像的尺寸，因为我有很多标签数据会超出以下范围：

     fixed_shape_resizer {
       height: 300
       width: 300

尺寸。 我需要消除这种情况吗？我是TensorFlow的新手，对这些东西没有太多经验，所以任何信息都会有所帮助。

解决方法

首先，SSD必须为固定形状（宽度与高度相同）。这是因为其配置为带有fully connected layers的神经网络。

所以您仍然必须调整大小。但是我明白为什么您由于信息丢失而不想调整太多。我认为从理论上讲，可以在如此大的图像上进行训练，但实际上并非如此。培训分批拍摄图像并将其加载到内存中。使用这样的大小，您可能会用完内存。除此之外，培训时间也更长。

这就是为什么经常使用调整大小的原因。因此，有两种可行的方法。将尺寸调整为较小的尺寸（您可以尝试大于300x300，但大于640x640并不是很现实）。但是，您也可以将每个图像分割成例如4个图像，在这些图像上训练模型。这样，您丢失的信息更少。但是由于数据集较大，需要花费更多的时间进行训练，这在某些方面也很不错。这可能是最好的方法。