DocumentAIKit/docs/tutorials/config_annotation/multi_scale_test_config_cn.md

多尺度测试的配置

标签: 配置

---

##################################### 多尺度测试的配置 #####################################

EvalReader:
  sample_transforms:
  - Decode: {}
  - MultiscaleTestResize: {origin_target_size: [800, 1333], target_size: [700 , 900]}
  - NormalizeImage: {is_scale: true, mean: [0.485,0.456,0.406], std: [0.229, 0.224,0.225]}
  - Permute: {}

TestReader:
  sample_transforms:
  - Decode: {}
  - MultiscaleTestResize: {origin_target_size: [800, 1333], target_size: [700 , 900]}
  - NormalizeImage: {is_scale: true, mean: [0.485,0.456,0.406], std: [0.229, 0.224,0.225]}
  - Permute: {}

---

多尺度测试是一种TTA方法（测试时增强），可以用于提高目标检测的准确率

输入图像首先被缩放为不同尺度的图像，然后模型对这些不同尺度的图像进行预测，最后将这些不同尺度上的预测结果整合为最终预测结果。（这里使用了NMS来整合不同尺度的预测结果）

MultiscaleTestResize 选项

MultiscaleTestResize 选项用于开启多尺度测试.

origin_target_size: [800, 1333] 项代表输入图像首先缩放为短边为800，最长边不超过1333.

target_size: [700 , 900] 项设置不同的预测尺度。

通过在EvalReader.sample_transforms或TestReader.sample_transforms中设置MultiscaleTestResize项，可以在评估过程或预测过程中开启多尺度测试。

---

###注意

目前多尺度测试只支持CascadeRCNN, FasterRCNN and MaskRCNN网络, 并且batch size需要是1.