Retrain TF object detection API 检测特定车型 -- 如何准备训练数据？
Retrain TF object detection API to detect a specific car model -- How to prepare the training data?
我是对象检测的新手，正在尝试在 TensorFlow 中重新训练对象检测 API 以检测照片中的特定车型。在准备我自己的训练数据来重新训练模型时，除了绘制边界框等之外，我的问题是，我是否也应该在训练数据中准备负样本（不是我感兴趣的模型的汽车）以达到良好的性能？
我已经阅读了一些教程，他们通常给出检测一种对象的示例，并且他们只为该类型准备了带有标签的训练数据。我在想，既然模型首先提出了一些感兴趣的区域，然后尝试对这些区域进行分类，如果我想从照片中检测出非常具体的东西，我是否也应该准备负样本。
我保留基于 faster_rcnn 的模型。感谢您的帮助。
是的，您还需要负面示例以获得更好的性能。您似乎在考虑使用迁移学习来训练预训练的 faster_rcnn 模型来为您的定制汽车添加新的 class。您应该开始相同数量的正面和负面示例（带有标记边界框的图像）。除了您的目标汽车类型之外，您还需要一些负面 class 示例（例如负面汽车类型 1、负面汽车类型 2、负面汽车类型 3）。
您可以在我的 github 存储库的数据文件夹中查看用于迁移学习的一个正 class 和几个负 classes 训练数据示例：PSV Detector Github
我是对象检测的新手，正在尝试在 TensorFlow 中重新训练对象检测 API 以检测照片中的特定车型。在准备我自己的训练数据来重新训练模型时，除了绘制边界框等之外，我的问题是，我是否也应该在训练数据中准备负样本（不是我感兴趣的模型的汽车）以达到良好的性能？
我已经阅读了一些教程，他们通常给出检测一种对象的示例，并且他们只为该类型准备了带有标签的训练数据。我在想，既然模型首先提出了一些感兴趣的区域，然后尝试对这些区域进行分类，如果我想从照片中检测出非常具体的东西，我是否也应该准备负样本。
我保留基于 faster_rcnn 的模型。感谢您的帮助。
是的，您还需要负面示例以获得更好的性能。您似乎在考虑使用迁移学习来训练预训练的 faster_rcnn 模型来为您的定制汽车添加新的 class。您应该开始相同数量的正面和负面示例（带有标记边界框的图像）。除了您的目标汽车类型之外，您还需要一些负面 class 示例（例如负面汽车类型 1、负面汽车类型 2、负面汽车类型 3）。
您可以在我的 github 存储库的数据文件夹中查看用于迁移学习的一个正 class 和几个负 classes 训练数据示例：PSV Detector Github