是否需要在图像上标记 class 的每个对象？
Is it necessary to label every object of a class on an image?
我用一个 class 标记了一堆图像，用于训练用于对象检测的 Faster-RCNN 网络。每个图像上大约有数百个或数千个此 class 的对象。我必须给所有这些都贴上标签吗？
现在我在每张图片上标记了大约 20 到 80 个对象实例。因此，我选择了我认为容易重建的对象。
当我开始使用此数据集训练网络时，损失在 0.9 和 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。
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（这是一个隐含的 class 标记为 -1）。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 classes，即背景 class (-1) 和对象时，模型会感到困惑class（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）。
我用一个 class 标记了一堆图像，用于训练用于对象检测的 Faster-RCNN 网络。每个图像上大约有数百个或数千个此 class 的对象。我必须给所有这些都贴上标签吗？
现在我在每张图片上标记了大约 20 到 80 个对象实例。因此，我选择了我认为容易重建的对象。
当我开始使用此数据集训练网络时，损失在 0.9 和 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。
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（这是一个隐含的 class 标记为 -1）。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 classes，即背景 class (-1) 和对象时，模型会感到困惑class（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）。