【问题标题】：Repeating images in training dataset for tensorflow object detection models在训练数据集中重复图像以用于 TensorFlow 对象检测模型
【发布时间】：2020-02-17 05:19:59
【问题描述】：
我正在训练一个 tensorflow 对象检测模型，该模型已使用 COCO 进行预训练以识别单一类型/类别的对象。我的数据集中的一些图像中有多个此类对象的实例。
鉴于训练中使用的每条记录都有一个边界框，我想知道处理我的图像中可能包含多个同一类的对象这一事实的最佳方法是什么。
- 我应该为多条记录使用同一张图片吗？
- 训练时会不会有问题？
- 如果我可以拆分所述图像以使其仅包含一个对象会更好吗？
【问题讨论】：
标签：
python
tensorflow
object-detection
training-data
【解决方案1】：
我应该为多条记录使用同一张图片吗？
不，因为图像中没有被标注为对象的任何东西都被归类为背景，这是一个隐含的对象类型/类。因此，当您使用包含对象但未正确注释该对象的图像训练模型时，模型的性能会降低（因为模型将该对象和其他类似实体视为背景）
训练时会不会有问题？
是的，这个问题会严重影响模型的性能。事实上，一个好的做法是添加一些其中没有任何对象的图像，并让模型在它们上作为没有边界框实例的背景进行训练。
如果我可以分割所述图像以使其仅包含一个对象会更好吗？
是的，这会有所帮助。此外，您可以考虑为每个图像添加多个边界框。但千万不要让任何没有带注释的边界框的对象，即使对象被截断或遮挡。