我训练了一个道路标志检测网络。在训练数据中，标志占据了整个框架，像这样：

然而，在我想要用于预测的图像中，道路标志占据的空间要小得多，例如：

对于这样的图像，预测效果不太好，但是如果我将图像裁剪到仅包含标志，预测结果就很好。

我该如何对更大的图像进行预测呢？

遗憾的是，我在类似的问题中找不到答案。

回答：

听起来你想要扩展对单个标志的分类，变成在更大的图像中“检测”和分类它们，这实际上是在解决一种不同类型的问题。

你有（至少）几个选择：

• 创建一个滑动窗口，扫描整个图像并在每个步骤进行分类。这样，当窗口扫到标志时，它会返回一个好的分类。但你很快会发现这种方法既不实用也不高效。窗口大小和步进大小变成了需要优化的新参数，而且如你将在下一个选项中看到的，已经有专门针对对象检测的方法在尝试解决这一特定问题。
• 你可以尝试使用对象检测架构。这将需要你创建一个与你在图像分类中使用的不同的训练数据集。你需要许多（数百或数千）包含（以及在某些情况下不包含）你想要识别的标志的“大”版本图像。你需要一个标注工具来定位和标记这些标志，然后你可以训练一个网络来定位和标记它们。

关于第二个选项，你可以参考的一些架构包括：YOLO，单发检测（SSD），更快的RCNN，仅举几例。