Real time 最佳目标检测设置-最重要的参数

我在这个领域是个新手，我试图理解它背后的理论，但要找到正确的答案并不容易。 我参与了一个与实时目标检测相关的实验项目，我们的目标是获得尽可能高的精度、速度和FPS。我知道毛毯总是很短，但我们对训练时间和相关硬件没有任何限制，几乎无限量的数据集图像（从摄像机拍摄），我们可以自由选择用于推理的硬件和用于训练图像的摄像机以及用于推理的摄像机。有了这些信息（或者可以随意询问更多细节），在mAP方面，哪些是获得最佳结果需要考虑的最重要参数

我们的演示是用YoloV3制作的，结果还不错，但我们需要尽可能地增加它。物体在传送带上移动，一个加号开始在尽可能远的距离上识别它们。摄像机是用来观察向它靠近的物体的。 我们计划切换到V4，但我认为只有这样不会显著提高效果

问题是：数据集图像的分辨率有哪些影响？推理相机的分辨率呢？另一个重要的变量要考虑？