conv-neural-network - 我应该对训练集中存在的所有对象进行标记和训练吗(yolo darknet)

Question

(yolo - 物体检测)

如果图像中有两只狗，而我在训练集中存在的所有图像中只对其中一只进行了训练，
训练集中我没有标记和训练的其他狗是否会影响过程并导致将它们视为背景的一部分？
我特别询问 yolo 暗网对象检测。

似乎是这样，因为在 3000 个批次之后它没有检测到任何东西。
所以问题是，我应该对所有对象进行训练(就像所有训练集中的所有狗一样)还是无关紧要，因为 yolo 只会从标记的特征中获取特征而忽略背景？

Answer 1

是的，重要的是您要查找的所有对象都标记在训练数据集的图像上。你教你在物体所在的地方找到它们，而不是在不存在的地方找到物体。

CNN Yolo 尝试解决 3 个问题:

用矩形标记 Yolo 训练的对象 - 最后一层的正误差

不要将一个对象标记为另一个对象 - 最后一层出现负错误

不要在背景上标记任何对象 - 最后一层出现负错误

IE。 Yolo 寻找差异，为什么第一只狗被认为是一个物体，第二只被认为是背景。如果您想查找任何狗，但只标记了其中的一些，并标记了狗 没有统计差异 来自没有标记的狗，那么它的检测准确度会极低。因为 abs(positive_error) ~= abs(negative_error)和训练结果 sum(positive_errors) + sum(negative_errors) ~= 0 .这是一项自相矛盾的任务——你同时想要:找到一只狗，而不是找到那只狗。

但如果标记为狗 统计上不同 来自未标记的狗，例如，如果标记的是斗牛犬而不是拉布拉多犬，那么 Yolo 网络将被训练以区分它们。

it seems so, because after 3000 batches it didn't detect anything.

这还不够，Yolo 需要 10000 - 40000 次迭代。