训练物体检测中的误报

问题描述

这是我首次涉足对象识别领域。我已经成功地在yolo上训练了一个模型，该模型包含了我在Google上发现并在CVAT中添加注释的图片。

我的问题如下。

a）如何训练模型以忽略一些我特别不想检测的特殊变体？假设我收到了误报，因为某些东西看起来与我的物体之一相似，并且我想进行训练以使这些物体不会被检测到。将包含不想要的对象的图像包含到训练集中，但是不对不想要的对象进行注释是否简单地起作用？

b）如果是这样，我是否假设我在带有注释的图像上进行训练是正确的，这是否有效地告诉了训练引擎我对那个对象不感兴趣？换句话说，如果图像没有对所需对象的每一个实例都进行注释，那么是否有害？

c）如果我恰巧在训练集中包含一个带有空注释文件的图像，并且该图像中有所需的对象，那么这实际上会阻碍训练引擎在将来寻找那些对象吗？

感谢您的任何想法。

解决方法

a）是的。该模型将在训练期间将边界框内的空间视为某个班级的正数，而将边界框内的空间视为该班级的负数。

b）看到a，的确如此。

c）在训练过程中将使用空的注释文件，但是模型将在该图像上作为“背景”类进行训练，因此这些都是负数。

因此，简而言之，为某个类的对象的所有实例添加注释，并可能添加“背景图像”作为负面示例，以消除这些动机。