machine-learning - 训练 Yolo 使用已裁剪的图像检测我的自定义对象

Question

我有一大堆不同形状、大小、灯光、颜色等的“苹果”图像。这些“苹果”图像是从不同角度看的更大图像的一部分。

现在我想训练暗网来检测图像中的“苹果”。我不想经历注释过程，因为我已经裁剪出准备好的苹果 jpg 图像。

我可以使用这些准备好的和裁剪的“苹果”图像来训练 Darknet 还是仍然需要执行注释过程？

Answer 1

在对象检测模型中，您可以注释图像中的对象，因为它将了解对象在特定图像中的位置。如果您有一个仅包含苹果图像的整个数据集，该模型将以某种方式学习，使您提供的每个图像都包含唯一的苹果。因此，即使您提供“橙色”作为测试图像，它仍然可能给出苹果，因为它不知道除了苹果之外的其他类。

因此有两点需要考虑:

1. 数据集包含苹果、苹果和其他水果或其他物体。这将有助于模型清楚地理解苹果是什么。
2. 由于边界框的坐标是检测的输入，尽管您可以将图像的常规尺寸作为边界框，但它不会像上面提到的那样有效地学习。因此，图像中有多个物体，然后很好地注释，这样模型才能很好地学习