我们可以使用包含标签图像的 caltech101 数据集检测图像中的多个对象吗？答案

【问题标题】：Can we detect multiple objects in image using caltech101 dataset containing label wise images?我们可以使用包含标签图像的 caltech101 数据集检测图像中的多个对象吗？
【发布时间】：2019-10-03 19:17:11
【问题描述】：

我有一个 caltech101 数据集 用于对象检测。 我们能否使用在 caltech101 数据集上训练的模型检测单个图像中的多个对象？
该数据集仅包含文件夹（按标签），并且在每个文件夹中，一些图像按标签进行。

我已经使用 keras 在 caltech101 数据集上训练了模型，它可以预测图像中的单个对象。结果令人满意，但是否可以在单张图像中检测多个对象？

据我所知，我对此有所了解。为了检测单个图像中的多个对象，我们应该有包含图像的数据集和带有图像中对象名称的边界框。

提前致谢

【问题讨论】：

请将您尝试过的代码编辑到您的问题中，作为minimal reproducible example
我刚刚训练了一些神经网络。 caltech101 上的 Keras 并保存模型然后预测任何图像
只添加一些层激活函数意味着完整的网络，没有为图像做任何区域图，bbox或其他事情

标签： python keras deep-learning object-detection tensorflow-datasets

【解决方案1】：

该数据集可用于检测多个对象，但需要遵循以下步骤：

数据集必须用图像中存在的对象上的边界框进行注释
注释完成后，您可以使用任何对象检测器进行迁移学习并在带注释的 caltech 101 数据集上进行训练

注意：- 如果没有注释，仅使用 caltech 101 数据集，就无法在单个图像中检测多个对象

【讨论】：