在目标检测中训练出误报

Question

这是我第一次涉足物体识别领域。我已经成功地在 yolo 上使用我在 Google 上找到的图像训练了一个模型，并在 CVAT 中对自己进行了注释。

我的问题如下。

a) 如何训练模型以忽略一些我特别不感兴趣的特殊变体？假设我得到误报，因为某些东西看起来与我的一个对象相似，并且我想训练以使它们不被检测到。将包含不需要的对象的图像包含到训练集中但不注释不需要的对象是否可以简单地工作？

b) 如果是这样，我是否正确地假设如果我在带注释的图像上进行训练，这些图像以某种方式错过了所需对象的偶然实例，这是否有效地告诉训练引擎我对该对象不感兴趣？换句话说，如果图像没有对所需对象的每个实例都进行注释，那是不是很糟糕？

c) 如果我碰巧在我的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，这会有效地抑制训练引擎在未来找到这些对象？

感谢您的任何想法。

Answer 1

a) 这是真的。该模型将在训练期间将边界框内的空间视为某个类的正数，而将框外的空间视为该类的负数。

b) 看到a，确实是这样。

c) 训练期间将使用空注释文件，但模型将在该图像上作为“背景”类进行训练，因此这些也是负面的。

因此，简而言之，注释某个类的所有对象实例，并可能添加“背景图像”作为负面示例以抑制这些实例。