Как сделать обнаружение объектов на изображениях с высоким разрешением?

У меня есть изображения размером около 2000 X 2000 пикселей. Объекты, которые я пытаюсь идентифицировать, имеют меньшие размеры (обычно около 100 X 100 пикселей), но их много.

Я не хочу изменять размер входных изображений, применять обнаружение объектов и масштабировать выходные данные до исходного размера. Причина этого в том, что у меня очень мало изображений для работы, и я бы предпочел обрезку (что привело бы к нескольким обучающим экземплярам на изображение), а не уменьшению размера до меньшего (это дало бы мне 1 входное изображение на исходное изображение).

Есть ли сложный способ обрезки и повторной сборки изображений для обнаружения объектов, особенно во время вывода на тестовые изображения?

Для тренировки, я полагаю, я бы просто взял случайные культуры и использовал их для тренировки. Но для тестирования я хочу знать, есть ли конкретный способ обрезки тестового изображения, применения обнаружения объектов и объединения результатов, чтобы получить результат для исходного большого изображения.


object-detection deep-learning yolo faster-rcnn data-augmentation
person exAres    schedule 09.09.2019    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Я предполагаю, что использование нескольких (я никогда не пробовал) сетей одновременно - это выбор, для вас использование 4 * 4 (500 + 50 * 500 + 50) по отношению к каждому 1 * 1), а затем повторная сборка на выходном каскаде, ( возможно, с NMS на границе, поскольку вы упомянули, что цель плотная).

Но это странно.

Вы знаете, что одним из способов обнаружения с помощью изображений с высоким разрешением является изменение основы с помощью ярлыка в форме буквы «U», который решает некоторые проблемы без изменения размера изображений. Обратитесь к U-Net.

person yiran    schedule 10.09.2019