Более быстрая конфигурация R-CNN для многомасштабного обнаружения

Question

Я новичок в машинном обучении. Я пытаюсь обнаружить многомасштабный объект, тренируясь на одном разрешении изображения. Я использовал увеличение изображения для одного изображения, чтобы сделать набор данных и быстрее обучить rcnn на этих изображениях. с использованием tensorflow-1.15.2 и модели версии r1.13 с моделью зоопарка, обученной на домашних животных

Я пытаюсь переконфигурировать базовую c конфигурацию на более быстром rcnn, но результат вывода был плохим, объекты с другим разрешением от модели поезда были обнаружены плохо с низкой точностью и плохой позицией потери также не были низкими.

Я использую adam oprimizer и меняю якоря и некоторые конфигурации для тестовых целей, но не уверен, что я прав

first_stage_nms_iou_threshold: 0.7->0.4
weight: 0.00->0.01
initial_crop_size: 14->17
dropout_keep_probability: 0.9->1
maxpool_stride: 2->1
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold:0.6-> 0.5
...         
}

Итак, мой вопрос - это любые советы по обнаружению многомасштабных изображений с использованием обучения одного изображения с увеличением. Возможно, мне нужно перенастроить конфигурацию, я не знаю. Сколько шагов тренировки нужно сделать?

Вот мой конфиг

model {
  faster_rcnn {
    num_classes: 4
     image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_inception_v2'
      first_stage_features_stride: 8
    }
    first_stage_anchor_generator {
     # 1537x867
     # 1367x771
     # 1920 x 1040
     #grid_anchor_generator {
     #   scales: [0.25, 0.5, 1.0, 2.0]
     #   aspect_ratios: [0.5, 1.0, 2.0]
     #   height_stride: 8
     #   width_stride: 8
     # }
       grid_anchor_generator {
        scales: [0.12,0.25, 0.5,0.75, 1.0, 1.5, 2.0]
        aspect_ratios: [0.5, 0.75, 1.0, 1.5, 2.0]
        height: 4
        width: 4 
        height_stride: 8
        width_stride: 8
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.01
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.4
    first_stage_max_proposals: 100
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 17
    maxpool_kernel_size: 2
    maxpool_stride: 1
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        use_dropout: false
        dropout_keep_probability: 0.9
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.01
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.5
        max_detections_per_class: 1
        max_total_detections: 4
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}

train_config: {
  batch_size: 1
  optimizer {
    adam_optimizer: {
      learning_rate: {
       manual_step_learning_rate {
          initial_learning_rate: 0.0002
          schedule {
            step: 1
            learning_rate: .0002
          }
          schedule {
            step: 900000
            learning_rate: .00002
          }
          schedule {
            step: 2000000
            learning_rate: .000002
          }
        }
      }
    }
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "C:/Photo/models1.14/models/research/object_detection/faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt"
  from_detection_checkpoint: true
  # Note: The below line limits the training process to 200K steps, which we
  # empirically found to be sufficient enough to train the pets dataset. This
  # effectively bypasses the learning rate schedule (the learning rate will
  # never decay). Remove the below line to train indefinitely.
  num_steps: 40000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
}


train_input_reader: {
  tf_record_input_reader {
    input_path: "C:/Photo/models1.14/models/research/object_detection/train.record"
  }
  label_map_path: "C:/Photo/models1.14/models/research/object_detection/training/labelmap.pbtxt"
}

eval_config: {
    metrics_set: "coco_detection_metrics"
    num_examples: 12
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "C:/Photo/models1.14/models/research/object_detection/test.record"
  }
  label_map_path: "C:/Photo/models1.14/models/research/object_detection/training/labelmap.pbtxt"
  shuffle: false
  num_readers: 1
}