我可以使用较小的图像尺寸进行培训，而不是使用CNTK在更快的R-CNN网络中进行测试吗？

Question

我正在使用CNTK在具有1920 * 1200图像的自定义数据集上训练更快的R-CNN网络。如果我直接在这些大图像上训练，我会收到运行时错误（RuntimeError：cuDNN failure 9：CUDNN_STATUS_NOT_SUPPORTED）。要检测的物体很小（约30 * 30像素），我发现了“为训练阶段剪切图像的建议（你可以通过不同的比例进行训练和测试）。” （What should be appropriate image size input to faster RCNN caffe model?）。

如果我将训练和测试图像切割成相同的大小（640 * 400），它可以正常工作。但是，通过测试全尺寸图像，训练图像可以切割成640 * 400个，并将FastRCNN_config.py中的条目更改为：

__C.IMAGE_WIDTH = 640
__C.IMAGE_HEIGHT = 400

__C.TEST.OUTPUT_IMAGE_WIDTH = 1920
__C.TEST.OUTPUT_IMAGE_HEIGHT = 1200

似乎存在某种缩放问题，因为输出检测在图像的左上部分被挤压在一起。

我不知道检测是否有效，但边界框显示不正确或两者都失败，但看起来两者都是。

我需要更改哪些其他设置才能使检测工作在大于训练图像的图像上？

Answer 1

我有一个非常类似的问题，还没有解决方案。我想训练和测试416x416的图像大小来比较Yolo和更快的R-CNN。此外，我的预测图像都被挤入测试图像的左上部分，如附带的屏幕截图所示。如果有人知道什么是错的，帮助将非常感谢Image of falsy ROI predictions in upper left corner。