tensorflow - 是否有必要在图像上标记类别的每个对象？

Question

我标记了一堆图像，用于训练 Faster-RCNN 网络进行一个类的对象检测。每个图像上大约有数百个或数千个此类对象。我必须标记所有这些吗？

现在我在每个图像上标记了大约 20 到 80 个对象实例。因此，我选择了我认为重建容易的对象。

当我开始使用该数据集训练网络时，损失在 0.9 到 20,000,000 之间变化

通常损失应该变小，但在我的情况下它会减少并且有极高的尖峰。

Answer 1

是的，您应该在每个训练图像中标记对象的每个实例。因为，任何你没有标记的都被认为是背景(这是一个标记为 -1 的隐式类)。因此，如果您留下一个没有标签的对象实例，它将被视为背景，因此在尝试区分两个类时，模型会混淆，即背景类(-1)和对象类(例如 1)。

如果每个图像中对象的实例太多，也许您可​​以将图像切割成更小的图像(例如 1000 个部分，每个部分包含约 100 个对象)。