如何解决在缺少数据集中其他对象标签的自定义数据图像上训练对象检测模型是否有可能?
我正在创建一个对象检测模型,该模型应该能够查看图像(然后观看视频)并标记图像中的特定对象。然而,在“枪”的一个数据集中,“军官”和“枪”是被标记的两个对象,如果警棍或防暴盾牌之类的东西碰巧在图像内,它们就不会被标记。然而,“防暴盾牌”和“警棍”有单独的数据集,因为这些是我想要检测的对象。同样,这两个数据集有时碰巧里面有没有标记的枪支等等,因为收集它们只是为了识别那些单独的物体。
这是我的问题:
如果我在这些数据集上训练模型,例如它在“枪”数据集上训练,并且看到未标记的防暴盾牌,那么在“防暴盾牌”上训练时,这些图像中未标记的物体会与标记的图像冲突吗? “s 并破坏检测?如果是这样,有没有办法隔离它的训练,这样它就不会对图像中未标记的其他对象做出假设?
解决方法
如果对象在图片中显示为未标记,这是一个问题。网络收到关于什么是某个对象和不是某个对象的相互矛盾的消息。 AFAIK 没有真正的方法来隔离培训。但是,您可以先在枪支数据集上训练,然后让它运行并标记其他数据集中的所有枪支。同样的想法应该适用于您想要在其他数据集中检测的每个对象。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。