标记所有可见对象以进行对象检测是否重要？答案

【问题标题】：Is it important to label all visible objects for object detection?标记所有可见对象以进行对象检测是否重要？
【发布时间】：2020-06-04 22:53:03
【问题描述】：

我们必须为 CNN 的对象检测制作一个自定义数据集。因此，我们将使用边界框来记录用于检测的对象。我参考了几个用于对象检测标记的指南，例如 PASCAL。但是，我们遇到了标签问题。

如果我们要在数据集图像中标记人物，我们是否需要标记图片中所有可见的对象（=人物）？如果我们跳过图片中的一些对象（=人），它会影响对象检测吗？我添加了一些标签示例。图像（1）是标记图像中所有可见人的情况。在图片 (2) 中，我们只是在整个图片中标记了一些人。

Image (2) 对物体检测有影响吗？确实如此，我们将在图像中尽可能标记所有可见对象。

（图 1）标记图片中的所有可见对象

（图2）标注图片中的一些可见对象

【问题讨论】：

【解决方案1】：

对象检测模型通常由 2 个基本构建块组成：

第一个块生成各种区域建议。顾名思义，区域提议是可能包含对象的候选区域。第二个块接收每个区域提案并对其进行分类。

如果您忽略了图像中的真阳性物体，那么您会强制物体检测模型将此真阳性物体标记为背景。 这会严重影响模型的学习体验。想了一会儿。您要求模型对同一种对象进行不同的分类。

作为结论，您必须将每个真正的积极对象标记到模型中。

【讨论】：

【解决方案2】：

是的，这很重要，如果您跳过某些人，网络只会部分学习如何检测和回归人的位置。网络可能对很少的标签错误有弹性，但没有第二个示例图像中的那么多。

要训练一个准确的网络，您需要标记每个可见对象实例，如果您希望您的网络对对象混淆具有弹性，您也应该标记部分被屏蔽的对象。

您可以通过训练两个网络轻松验证此行为：一个带有所有标签，另一个带有一半标签。

【讨论】：