Tensorflow 目标检测模型能适应旋转吗？

即使训练图像中未包含旋转版本，TensorFlow对象检测模型也会输出正确的边界框预测

---

这是对象检测模型的常规行为吗？如果是这样的话，代码或概念的哪一部分确保了这种适应性？

模拟旋转不变性的最简单方法是通过数据集扩充，在每次将输入图像以不同的量传递到网络之前，对其进行人工旋转

旋转通常被限制在某个较小的值（例如-30到30度），而不是完全随机的，因为图像通常具有一些标准方向，并且场景中的空间通常不是各向同性的，即由于重力，向上与侧向不同

请注意，这些增强不会使网络具有固有的旋转不变性。然而，如果网络学习良好，它应该学习近似旋转不变性

---

其他形式的增强包括左右翻转而不是上下翻转，原因同上，调整大小和光度变化，如色调/饱和度/对比度操纵。在某些情况下，其中一些或全部是不适当的。例如，对于手写识别，符号本质上是不对称的，因此左右翻转是不合适的。

增强当然是将模型推到旋转不变的最常见方法，但有一些明确的网络组件是为旋转不变而设计的，例如：或。