如何使用带图像的边界框进行多标签图像训练？

Question

我正在研究用于图像分类的机器学习，并成功完成了几个项目。所有项目都有始终属于一类的图像。现在我想尝试在每个图像上使用多个标签的图像。我读到我必须在图像周围绘制框（边界框）以进行训练。 我的问题是

1. 我是否必须将这些区域裁剪为单个图像并像以前一样使用它们进行训练？
   1. 绘制的框只用于裁剪？
   2. 或者我们是否真的将原始图像和框坐标（左上角 [X, Y]、宽度和高度）提供给训练？

感谢任何与此相关的材料教程。

Answer 1

基本上，您需要检测图像中属于不同类别的各种对象。这就是 对象检测 的用武之地。

对象检测尝试对一个对象中的各种对象的标签进行分类 图像并预测边界框。

物体检测有很多算法。如果您是资深的 TensorFlow 用户，可以直接使用TensorFlow Object Detection API。您可以选择所需的架构，并将注释与图像一起提供。

要对图像进行注释（在框周围绘制边界框并分别存储），您可以使用LabelImg 工具。

您可以参考这些博客：

1. Creating your own object detector
2. A Step-by-Step Introduction to the Basic Object Detection Algorithms

您可以使用可用的预训练对象检测器，而不是训练一个全新的对象检测器。 TensorFlow Object Detection model 可以对 80 个对象进行分类。如果您需要分类的对象包含在这些对象中，那么您将获得一个可以构建的模型。模型会围绕您感兴趣的对象绘制一个边界框。

您可以根据需要裁剪这部分图像并在其上构建分类器。