Tensorflow 有关量化Mobilenet SSD V2所需300x300输入的一些问题

我想重新训练量化的Mobilenet SSD V2模型，所以我从COCO下载了未标记的文件夹。这个模型要求输入大小为300x300，但我成功地在不同大小的图片上重新训练了一次，效果很好（很差，但很好）。 此外，使用重新训练模型的代码将相机输入的大小调整为500x500，并且可以正常工作。所以我的问题是，如果它也适用于其他尺寸，为什么写下所需输入为300x300？在标记所有数据集之前，是否需要将其调整为300x300？我知道它会对输入进行卷积，所以我认为大小并不重要（如果我错了，请纠正我）。据我所知，卷积一直持续到输入的末尾

---

谢谢你的帮助

如果我理解正确，您正在使用TF对象检测API。 一个给定的型号，如mobilenet-v2-ssd，包含3个主要模块： [预处理（规范化和调整大小）]-->[检测器（主干+检测头）]-->[后处理（bbox解码+nms）]

当他们谈到所需的输入时，是针对检测器的。检查点本身包含完整的管道，这意味着预处理单元将为您完成工作-因此无需事先将其调整为300x300

如果出于某种原因，您打算将自己的输入直接注入检测器，请执行与培训中相同的预处理

顺便说一句： 在培训（）的配置文件中 您可以看到定义的调整大小： 图像缩放器{ 固定形状大小调整器{ 身高：300 宽度：300 } }

---

-标准化是mobilenet标准化（将输入的动态范围从[0255]更改为[-1,1]

，如果我理解正确，您正在使用TF对象检测API。 一个给定的型号，如mobilenet-v2-ssd，包含3个主要模块： [预处理（规范化和调整大小）]-->[检测器（主干+检测头）]-->[后处理（bbox解码+nms）]

当他们谈到所需的输入时，是针对检测器的。检查点本身包含完整的管道，这意味着预处理单元将为您完成工作-因此无需事先将其调整为300x300

如果出于某种原因，您打算将自己的输入直接注入检测器，请执行与培训中相同的预处理

顺便说一句： 在培训（）的配置文件中 您可以看到定义的调整大小： 图像缩放器{ 固定形状大小调整器{ 身高：300 宽度：300 } }

---

-规范化是mobilenet规范化（将输入的动态范围从[0255]更改为[-1,1]

感谢您的回答！在我查看文件夹中的文件后，我确实看到图片正在调整大小为300x300并进行规范化（在发布此线程之前没有注意到）.我想我理解了为什么它必须是300x300，尽管卷积实际上并不局限于输入大小，这是因为输出大小取决于输入大小，而在完全连接的部分，它将不适合（如果我错了，请修复我）。我不理解的是，为什么当我将它调整为与300x300不同的大小时，它仍然工作（不在培训部分）.1.您确定要向网络本身插入不同的输入大小吗？TF OD API的输入张量在预处理之前，这意味着无论您要插入什么形状，它都将以300x300的形式插入到网络中。2.插入不同的形状可能会起作用，因为网络是完全卷积的，但您应该预期会降级。我尝试在带有ANK的图像上运行经过培训的mobilenet-v1-ssd进行应答！在查看文件夹中的文件后，我确实看到这些图片正在调整大小至300x300并进行规范化（在发布此线程之前没有注意到）.我想我理解了为什么它必须是300x300，尽管卷积实际上并不局限于输入大小，这是因为输出大小取决于输入大小，而在完全连接的部分，它将不适合（如果我错了，请修复我）。我不理解的是，为什么当我将它调整为与300x300不同的大小时，它仍然工作（不在培训部分）.1.您确定要向网络本身插入不同的输入大小吗？TF OD API的输入张量在预处理之前，这意味着无论您要插入什么形状，它都将以300x300的形式插入到网络中。2.插入不同的形状可能会起作用，因为网络是完全卷积的，但您应该预期会降级。我已经尝试在wi图像上运行经过培训的mobilenet-v1-ssd