Python Tensorflow对象检测API在单个图像中检测大量对象时遇到的问题

我需要在一张图像中检测大量的两类对象。我使用Tensorflow对象检测API取得了一些成功，通过使用以下配置文件从对象检测模型Zoo重新培训更快的\u rcnn\u inception\u resnet\u v2\u atrus\u coco网络：

model {
  faster_rcnn {
    num_classes: 2
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_inception_resnet_v2'
      first_stage_features_stride: 8
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        scales: [0.25, 0.5, 1.0, 2.0]
        aspect_ratios: [0.5, 1.0, 2.0]
        height_stride: 8
        width_stride: 8
      }
    }
    first_stage_atrous_rate: 2
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.7
    first_stage_max_proposals: 2000
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 17
    maxpool_kernel_size: 1
    maxpool_stride: 1
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        use_dropout: false
        dropout_keep_probability: 1.0
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.6
        max_detections_per_class: 1000
        max_total_detections: 1000
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}

train_config: {
  batch_size: 1
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        manual_step_learning_rate {
          initial_learning_rate: 0.0003
          schedule {
            step: 900000
            learning_rate: .00003
          }
          schedule {
            step: 1200000
            learning_rate: .000003
          }
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "/path/model.ckpt"
  from_detection_checkpoint: true
  load_all_detection_checkpoint_vars: 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 {
    }
  }
}

train_input_reader: {
  tf_record_input_reader {
    input_path: "/path/train.record"
  }
  label_map_path: "/path/label_map.pbtxt"
}

eval_config: {
  num_examples: 8000
  # 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: "/path/val.record"
  }
  label_map_path: "/path/label_map.pbtxt"
  shuffle: false
  num_readers: 1
}

但是，使用内存为8 GB的Nvidia M10，我只能（大致）检测到图像的上半部分：

此模式在许多图像中都是一致的，有些图像在图像下方有一些边界框，但没有图像的边界框精确分布在整个图像中。我的第一个想法是这是内存问题，所以我尝试在内存更多的GPU上运行检测（内存为32GB的Nvidia V100）。我更改了配置文件，将第一个\u阶段的\u max\u建议从2000提高到4000，将每个\u类的最大\u检测数/max\u总检测数从1000提高到2000（在8GB GPU上，这些设置导致中止（内核转储）错误）。结果只是稍微好一点：

我尝试将第一阶段的max建议提高到8000，将每个类的max检测次数/max检测总数提高到4000，但这导致了32 GB GPU上的中止（内核转储）错误

我的问题是：

1） 这些是检测单个图像中大量对象的最佳配置设置吗

2） 对于这项具体任务，是否有比更快的网络更好的网络

3） 有没有一种完全不同的方法更适合这个问题

我考虑过将图像分割成更小的图像并在这些图像上运行，但如果可能的话，我希望将其保留为一个图像，因为对象的准确计数对我的应用程序很重要，并且沿某条分界线分割对象可能会导致不准确的计数

---

谢谢

除了调整每个类别的

最大检测次数

和

最大总检测次数

之外，您还需要将

最大检测箱数

添加到列车配置中，训练输入读卡器和评估输入读卡器块和

max\u num\u boxes\u可视化

到评估配置块，否则地面真相框将从训练和评估过程中删除。我已经部署了一个模型来解决一个与您类似的问题，我们尝试检测许多小对象，而更快的\u rcnn\u inception\u resnet\u v2\u atrus\u coco工作得很好，所以这不应该是您的问题。

除了调整

每个类的最大检测次数

和

最大总检测次数

之外，您需要将

max_number_of_box

添加到train_config、train_input_reader和eval_input_reader块中，并将

max_num_box_to_visualize

添加到eval_config块中，否则地面真相框将从培训和评估过程中删除。我部署了一个模型来解决与您类似的问题，我们尝试检测许多小对象，而更快的\u rcnn\u inception\u resnet\u v2\u atrus\u coco工作得很好，所以这不应该是您的问题。

您想要的最大检测次数是多少？每个图像的最大检测次数可能约为800个对象，每个图像的平均检测数约为350-400个对象。提出

max\u建议

和

max\u总检测数

800。结果非常类似，max\u建议和max\u总检测数设置为800，在示例图像的下半部分没有检测到任何对象，而在下半部分检测到的对象通常较少。我从未找到一个好的解决方案。最后，我将图像（以及训练/注释）分割成更小的图像（每个图像分为3个子图像）并运行训练，然后对子图像进行测试。对于最终输出，我用一些次要的东西重新组合了子图像，以修复沿边缘的边界框。这很有效。我正在写一篇即将发表的论文，写完后我会把它放在这里。你想要的最大探测次数是多少？每个图像的最大探测次数大概是800个物体左右，每个图像的平均检测数约为350-400个对象。提出

max\u建议

和

max\u总检测数

800。结果非常类似，max\u建议和max\u总检测数设置为800，在示例图像的下半部分没有检测到任何对象，而在下半部分检测到的对象通常较少。我从未找到一个好的解决方案。最后，我将图像（以及训练/注释）分割成更小的图像（每个图像分为3个子图像）并运行训练，然后对子图像进行测试。对于最终输出，我用一些次要的东西重新组合了子图像，以修复沿边缘的边界框。这很有效。我正在写一篇即将发表的论文，写完后我会把它留在这里。