我有一个工作对象检测模型（罚款调整的MobileNet SSD），可以检测我的自定义小型机器人。我会给它提供一些网络摄像头镜头（将与无人机绑在一起）并使用实时边界框信息。
所以，我即将购买相机。
我的问题：由于SSD将输入图像调整为300x300，因此相机分辨率非常重要吗？更高的分辨率意味着更高的准确度（即使它无论如何调整到300x300）？在运行我的物体检测模型之前，是否应该在每帧将相机素材裁剪为1：1的宽高比？我应该将图像分成MxN裁剪段并逐个进行推理吗？
因为我的机器人非常小，无人机将在4米高度，所以我将有效地尝试检测输入图像上的一个非常小的点。
非常感谢任何一种智慧，谢谢。
这些是很多问题，我会尝试回答所有这些问题。检测模型在输入图像通过一些调整大小的方法（例双线性。如果输入图像等于或大于网络的输入大小而不是更小，那么当然会更好。一个经验法则是，确实更高的分辨率意味着更高的准确性，但它高度依赖于设置和任务。如果你试图检测一个小物体，让我们说例如原始分辨率是1920x1080。然后在调整图像大小后，小对象将更小（像素方式），并且可能太小而无法检测。因此，实际上，将图像分割成较小的图像（可能具有一些重叠以避免由于对象分割而导致误检测）并对每个图像应用检测或使用具有较高输入分辨率的模型将更好。请注意，虽然您可以使用当前模型实现第一个模型，但您需要为后者培训一个新模型，可能需要进行一些架构更改（例如，添加SSD层和修改锚点，具体取决于您要检测的比例）。关于纵横比问题，你最需要保持一致。如果不保持原始宽高比，则无关紧要，但如果不这样做 - 在培训和评估/测试/部署中都要这样做。