我正在使用 Tensorflow 的對象檢測訓練一個對象檢測網絡，https://github.com/tensorflow/models/tree/master/research/object_detection我可以根據自己的圖像和標簽成功訓練網絡。但是，我有一個不包含任何標記對象的大型圖像數據集，我希望能夠訓練網絡不檢測這些圖像中的任何內容。根據我對 Tensorflow 對象檢測的理解，我需要給它一組圖像和相應的 XML 文件，這些文件對圖像中的對象進行裝箱和標記。腳本將 XML 轉換為 CSV，然后轉換為其他格式以進行培訓，并且不允許使用沒有對象的 XML 文件。如何給出沒有對象的圖像和 XML 文件？或者，網絡如何學習不是對象的東西？例如，如果您想檢測“熱狗”，您可以使用一組帶有熱狗的圖像來訓練它。但是如何訓練它什么不是熱狗呢？
2 回答
心有法竹
TA貢獻1866條經驗 獲得超5個贊
對象檢測 CNN 可以了解什么不是對象，只需讓它查看沒有任何標簽的圖像示例即可。
有兩種主要的架構類型：
兩階段，第一階段對象/區域提議（RPN），第二階段 - 分類和邊界框微調；
one-stage，直接根據特征圖中某個單元格對應的特征向量對BB進行分類和回歸。
在任何情況下，都有一部分負責決定什么是對象，什么不是。在 RPN 中，你有“客觀性”分數，在一個階段有分類的置信度，你通常是一個背景類（即所有不支持的類）。
因此，在這兩種情況下，如果圖像中的特定示例沒有任何受支持的類，您可以教 CNN 相應地降低對象性分數或增加背景置信度。
添加回答
舉報
0/150
提交
取消