从已经裁剪的图像中制作 YOLO 或 PascalVOC答案

【问题标题】：Make YOLO or PascalVOC from already cropped images从已经裁剪的图像中制作 YOLO 或 PascalVOC
【发布时间】：2021-02-03 01:05:32
【问题描述】：

我有一个现成的图像数据集，其中用于识别的对象已经沿着该对象的边界被切断，并且无需在任何标记程序（例如 LabelImg）中使用矩形标记来选择它。当然，有一个程序代码或程序可以从这样一个准备好的图像数据集中制作 YOLO 或 PascalVOC 文件。我寻求帮助以找到...

在这里我找到了一个答案，这对于YOLO（没有背景）是不可能的，但是对于PascalVOC（我想与Tensorflow Object Detection 一起使用）可能可以解决这个问题：YOLO Annotation Files for Already-Cropped Images

【问题讨论】：

【解决方案1】：

首先，您要做的似乎是图像分类（将类/类别/标签分配给图像的任务）。

对于 YOLO，它做了两件事：localization（定位图像中存在的对象并在其周围绘制边界框）然后对内部对象进行分类边界框。这种组合称为物体检测（见下图）

对于对象检测任务，在训练数据集中的未裁剪图像中表示目标对象很重要。这允许 YOLO 了解哪个是背景，哪个是/是目标对象。

在您的情况下，您的数据集已经被裁剪。如果您的测试集未裁剪

，YOLO 将无法学习如何区分您的“对象”和“背景”

但是，如果您的测试集也被裁剪，我建议使用图像分类模型而不是 YOLO。

【讨论】：

谢谢你，帕里科。那是我的问题：“我现在可以通过什么方式从已经准备好的裁剪数据集中以任何方式和框架检测照片/视频上的这些对象？现在我的 TF2 分类器 (new_mobile_model.tflite) 可以很好地处理这个数据集，但是到目前为止，我还没有找到任何示例如何将其用于对象检测 - 所有找到的示例都是通过使用 LabelImg 等程序标记图像来实现的，这会创建双重工作 - 创建一个用于分类的裁剪数据集，然后创建另一个用于对象检测的数据集.
在我的数据集非常大的任务中，我想使用 YOLO 进行 Localization+ObjectDetection 并将检测到的图像传递给 TF2 进行准确分类。解决这个问题的正确算法（框架、序列...）是什么？