mobilenet-ssd-对于大型对象是很好的，但是对于小型对象它的性能相当差。最好使用调整为您期望的对象长宽比和大小的锚点进行训练。还有一件事要考虑的是，第一个分支是检测最小对象的分支-该分支的分辨率是输入的1/16-您应该考虑在1/8特征图上添加另一个分支-这将有助于小对象。

***如何更改锚点大小和纵横比：***让我们以用于训练配置的pipeline. config文件为例-https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/ssd_mobilenet_v2_coco.config。你会发现下面的论点：

90     anchor_generator {
 91       ssd_anchor_generator {
 92         num_layers: 6
 93         min_scale: 0.20000000298
 94         max_scale: 0.949999988079
 95         aspect_ratios: 1.0
 96         aspect_ratios: 2.0
 97         aspect_ratios: 0.5
 98         aspect_ratios: 3.0
 99         aspect_ratios: 0.333299994469
100       }
101     }

• • num_layers *-分支的数量-从输入的1/16的分支开始…
• • min_scale / max_scale *-min_scale对应于第一个分支中的锚点的比例，max_scale对应于最后一个分支的比例。而所有分支之间的比例从线性插值：min_scale + (max_scale - min_scale)/(num_layers - 1) * (#branch)（与SSD：单发多盒探测器-https://arxiv.org/pdf/1512.02325.pdf）
• aspect_ratios-宽高比列表定义锚点-这样你就可以决定要添加什么AR锚点，AR = 1.0意味着一个正方形锚点，而2.0意味着锚点是横向的-而它的宽度是x2高度，0.5意味着纵向，高度是x2宽度...代码可以在以下路径中找到：https://github.com/tensorflow/models/blob/master/research/object_detection/anchor_generators/grid_anchor_generator.py和https://github.com/tensorflow/models/blob/master/research/object_detection/anchor_generators/multiscale_grid_anchor_generator.py
• 还有一件事是，在mobilenet-v1-ssd中-第一个分支只有3个锚点，我不确定mobilenet-v2-ssd有多少锚点，但你可能想添加更多的锚点。如果layer == 0和reduce_boxes_in_lowest_layer，则需要在代码中（在multiple_grid_anchor_generator. py中）320更改它：321 layer_box_specs =[（0.1，1.0），（scale，2.0），（scale，0.5）]当你播种时，它被硬编码为三个锚点…
• • 如何提前启动分支**

这也需要在代码内部进行更改。每个预定义的模型都有其自己的模型文件-即ssd_mobilenet_v2：https://github.com/tensorflow/models/blob/master/research/object_detection/models/ssd_mobilenet_v2_feature_extractor.py

• • 第111行：117行**

feature_map_layout = {
    'from_layer': ['layer_15/expansion_output', 'layer_19', '', '', '', ''
                  ][:self._num_layers],
    'layer_depth': [-1, -1, 512, 256, 256, 128][:self._num_layers],
    'use_depthwise': self._use_depthwise,
    'use_explicit_padding': self._use_explicit_padding,
}

您可以根据图层的名称选择要从哪个图层开始。
现在我的2美分，我没有尝试mobilenet-v2-ssd，主要使用mobilenet-v1-ssd，但从我的经验是不是一个很好的模型为小对象。我猜它可以通过编辑锚点来优化一点，但不确定它是否足以满足您的需求。对于一级SSD，如网络，考虑使用ssd_mobilenet_v1_fpn_coco-它在640x640输入大小上工作，并且它的第一分支在1/8输入大小处开始。（缺点-更大的模型和更长的推理时间）

迟到的派对，为子孙后代张贴。我使用ssd_mobilenet_v2_fpnlite处理小对象时运气更好...变体
阅读fpn在这里https://towardsdatascience.com/review-fpn-feature-pyramid-network-object-detection-262fc7482610