我应该标记和训练训练集中存在的所有对象吗（yolo darknet）
should I label and train on all objects that exist in the training set (yolo darknet)
（yolo - 对象检测）
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训练，
训练集中的其他狗，我没有标记和训练它们会影响这个过程，并会导致将它们视为背景的一部分吗？
我特别想问关于 yolo 暗网对象检测的问题。
好像是的，因为3000个batch后它什么都没检测到。
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）还是没关系，因为 yolo 只会从标记的对象中获取特征而忽略背景？
是的，重要的是您要查找的所有对象都标记在来自训练数据集的图像上。你教在它们所在的地方找到对象，而不是在 none 存在的地方找到对象。
CNN Yolo 尝试解决 3 个问题：
- 用矩形标记 Yolo 训练的对象 - 最后一层的正错误
- 不要将一个对象标记为另一个对象 - 最后一层出现负错误
- 不要在背景中标记任何对象 - 最后一层出现负错误
即Yolo寻找差异，为什么第一只狗被认为是物体，第二只狗被认为是背景。如果你想找到任何狗，但你只标记了其中的一些狗，并且标记的狗 与未标记的狗在统计上没有差异，那么检测的准确性将极低。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 - 您同时想要：找到一只狗，又找不到狗。
但是，如果标记的狗 与未标记的狗在统计上不同 ，例如，如果标记的是斗牛犬而不是拉布拉多犬，那么 Yolo 网络将被训练来区分它们。
it seems so, because after 3000 batches it didn't detect anything.
这还不够，Yolo 需要 10000 - 40000 次迭代。
（yolo - 对象检测）
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训练， 训练集中的其他狗，我没有标记和训练它们会影响这个过程，并会导致将它们视为背景的一部分吗？ 我特别想问关于 yolo 暗网对象检测的问题。
好像是的，因为3000个batch后它什么都没检测到。 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）还是没关系，因为 yolo 只会从标记的对象中获取特征而忽略背景？
是的，重要的是您要查找的所有对象都标记在来自训练数据集的图像上。你教在它们所在的地方找到对象，而不是在 none 存在的地方找到对象。
CNN Yolo 尝试解决 3 个问题：
- 用矩形标记 Yolo 训练的对象 - 最后一层的正错误
- 不要将一个对象标记为另一个对象 - 最后一层出现负错误
- 不要在背景中标记任何对象 - 最后一层出现负错误
即Yolo寻找差异，为什么第一只狗被认为是物体，第二只狗被认为是背景。如果你想找到任何狗，但你只标记了其中的一些狗，并且标记的狗 与未标记的狗在统计上没有差异，那么检测的准确性将极低。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 - 您同时想要：找到一只狗，又找不到狗。
但是，如果标记的狗 与未标记的狗在统计上不同 ，例如，如果标记的是斗牛犬而不是拉布拉多犬，那么 Yolo 网络将被训练来区分它们。
it seems so, because after 3000 batches it didn't detect anything.
这还不够，Yolo 需要 10000 - 40000 次迭代。