我想检测从这里https://github.com/tensorflow/models/tree/master/research/object_detection从大的图像使用更快rcnn模型从object_detect_api一些非常小的物体（〜25×25像素）（〜2040年，1536个像素）
我对以下配置参数非常困惑（我已阅读原文件，还试图对其进行修改和测试）：
first_stage_anchor_generator {
grid_anchor_generator {
scales: [0.25, 0.5, 1.0, 2.0]
aspect_ratios: [0.5, 1.0, 2.0]
height_stride: 16
width_stride: 16
}
}
我是那种很新的这方面，如果有一个人能够解释这些参数对我来说将是非常欣赏的一点。
我的问题是我应该怎么调整以上（或其他方式）的参数，以适应事实，我有非常小的固定大小的物体在大的图像来检测。
谢谢
我不知道实际的答案，但我怀疑更快RCNN工作在Tensorflow物体检测方法如下：
this文章说：“锚在更快的R-CNN中发挥重要作用的锚是一个框在更快的R-CNN的默认配置中，有在一个图像的位置9锚下图显示了在9个锚。与大小(320, 320)的图像的位置(600, 800)“。
和作者给出表示的盒的重叠的图像，那些是包含基于“RCNN”模式的“CNN”部分中的对象所提出的区域，接下来是“RCNN”模式的“R”的一部分，其是该地区的建议。要做到这一点，就被训练沿着CNN找出最适合框中选择另一个神经网络。有很多，其中一个对象可以基于所有的箱子“建议”，但我们仍然不知道它在哪里。
这种“区域方案”神经网络的工作是找到正确的区域，它是根据你的图像中的每个对象的坐标提供标签训练。
纵观this文件，我注意到：
line 174: heights = scales / ratio_sqrts * base_anchor_size[0]
line 175: widths = scales * ratio_sqrts * base_anchor_size[[1]]
这似乎是在配置文件中的配置的最终目标（产生已知宽度和高度滑动窗口的列表）。虽然base_anchor_size作为[256, 256]的默认创建的。在评论的代码的作者写道：
“例如，设置scales=[.1, .2, .2]和aspect ratios = [2,2,1/2]意味着我们创建三个框：一个带刻度.1，长宽比2，一个带刻度.2，长宽比2，和一个带刻度.2和宽高比1/2每个盒子乘以” base_anchor_size “前将它放置在其相应中心”。
这有助于深入了解如何创建这些箱子，代码似乎是创造的基础上，将用于在图像上滑动scales =[stuff]和aspect_ratios = [stuff]参数框列表。规模相当简单，是多少由256 256的默认方箱在使用前应进行缩放和纵横比是改变原来的正方形框成一个矩形，它是更接近（缩放的）形状的东西对象的你会遇到。
这意味着，以最优配置比例和纵横比，你会发现不管它是EX（由20，通过30 5等10）图像中的物体的“典型”的尺寸，并计算出多少256由默认256方框应被缩放以最佳适合的是，然后找到你的对象的“典型”的纵横比（根据谷歌的纵横比为：宽度的图像或画面的高度之比），并设置那些如您的宽高比参数。
注：似乎在规模和aspect_ratios在配置文件列表中元素的个数应该是相同的，但我不知道。
另外我不知道如何找到最佳的步幅，但如果你的对象比16小由16像素的滑动窗口，你用秤和长宽比设置为你想要而跳过你的对象完全什么创造。
因为我相信提案锚只为更快RCNN的模型类型生成。在此file您指定哪些参数可用于锚代您从配置中提到行内设置。
我尝试设置base_anchor_size，但是我失败了。虽然这FasterRCNNTutorial tutorial提到：
[...]你还需要配置锚的尺寸和长宽比的config文件。基底锚大小是255255。
锚定比率将乘以x维度和划分y维度，所以如果你有0.5的255x255锚定件的纵横比变128x510。列表中的每个纵横比被施加，则结果由秤相乘。所以第一步是要调整图片的训练/测试的大小，然后手动检查你所期望的最小和最大对象，和最极端的纵横比将是什么。建立配置文件与当底座锚固大小由纵横比调整并且由秤相乘，将覆盖这些情况下的值。
我认为这是非常简单的。我也用这个“处理方法”。