我正在做一个涂鸦检测项目。我需要分析来自侧面安装在车辆上的摄像头的数据流，以识别城墙上的涂鸦，并通知当局以最佳方式捕捉涂鸦及其地理位置等。

我正在尝试对我的涂鸦图像数据集使用迁移学习在 ImageNet 上预训练的 ResNet50 模型。由于网络连接可能不可靠，因此将在边缘设备上进行分类。

假设我有一系列帧被检测到包含涂鸦，因为车辆经过它，但我只需要报告一个图像（因此不是所有帧都包含涂鸦）。我怎样才能做到这一点？

理想情况下，我想报告相机垂直于墙壁的框架。为什么是垂直的？我认为当相机垂直于墙壁时包含涂鸦的图像会更清楚地显示涂鸦。