SageMaker目标检测用于预测的图像大小？

Question

我使用的是AWS SageMaker“内置”对象检测算法(SSD)，我们已经对其进行了一系列带注释的512x512图像(image_shape=512)的培训。我们已经部署了一个端点，当使用它进行预测时，我们得到的结果是混合的。

如果我们用来预测的图像在512x512大小附近，我们将得到很高的精度和很好的结果。如果图像大得多(例如8000x10000)，我们要么得到非常不准确的结果，要么没有结果。如果我手动调整那些大图像的大小到512x512像素，我们要寻找的功能将不再是肉眼所能识别的。这表明，如果我的端点正在调整图像的大小，那么这就解释了为什么模型在挣扎。

注意:虽然的大小是很大的，但我的图像基本上是白色背景上的线条画。它们的颜色很少，而且有大量的实心白色，所以它们压缩得很好。我不会遇到6Mb的请求大小限制。

所以，我的问题是：

1. 在image_shape=512训练模型是否意味着我的预测图像也应该是相同的大小？
2. 是否有一种普遍接受的方法来对非常大的图像进行目标检测？我可以设想如何将图像分割成更小的瓷砖，然后将每个瓷砖提供给我的模型，但是如果有什么“开箱即用”的东西可以帮我做到这一点，那就节省了一些精力。

Answer 1

你的理解是正确的。端点根据参数image_shape调整图像大小。回答你的问题：

1. 只要调整后的图像中对象的尺度(即像素的扩展)在训练数据和预测数据之间是相似的，那么经过训练的模型就能工作。
2. 种植是一种选择。另一种方法是按照David的建议，对大小图像进行单独的模型训练。