在对象检测中训练误报
Training out false positives in object detection
这是我第一次涉足物体识别领域。我已经使用在 Google 上找到的图像在 yolo 上成功地训练了一个模型，并在 CVAT 中对自己进行了注释。
我的问题如下
a) 如何训练模型忽略一些我特别不想检测的特殊变体？假设我得到误报是因为某些东西看起来与我的一个物体相似，我想进行训练以便不检测到这些物体。将包含不需要的对象的图像包含到训练集中但不注释不需要的对象是否简单？
b) 如果是这样，我假设如果我对以某种方式偶尔错过所需对象实例的带注释的图像进行训练，是否有效地告诉训练引擎我对该对象不感兴趣？换句话说，如果图像没有对所需对象的每个实例都进行注释，那么是否会很糟糕？
c) 如果我碰巧在我的训练集中包含一个带有空注释文件的图像，并且该图像中有所需的对象，这会有效地抑制训练引擎在未来找到这些对象吗？
感谢任何想法。
a) 这是真的。该模型将在训练期间将边界框内的 space 视为某个 class 的正值，而将框外的 space 视为 class 的负值 class。
b) 看到a，确实是这样
c) 在训练期间将使用空注释文件，但模型将在该图像上训练为 'background' class，因此这些也是负数。
因此，简而言之，注释某个 class 对象的所有实例，并可能添加 'background images' 作为负面示例以抑制这些对象。
这是我第一次涉足物体识别领域。我已经使用在 Google 上找到的图像在 yolo 上成功地训练了一个模型，并在 CVAT 中对自己进行了注释。
我的问题如下
a) 如何训练模型忽略一些我特别不想检测的特殊变体？假设我得到误报是因为某些东西看起来与我的一个物体相似，我想进行训练以便不检测到这些物体。将包含不需要的对象的图像包含到训练集中但不注释不需要的对象是否简单？
b) 如果是这样，我假设如果我对以某种方式偶尔错过所需对象实例的带注释的图像进行训练，是否有效地告诉训练引擎我对该对象不感兴趣？换句话说，如果图像没有对所需对象的每个实例都进行注释，那么是否会很糟糕？
c) 如果我碰巧在我的训练集中包含一个带有空注释文件的图像，并且该图像中有所需的对象，这会有效地抑制训练引擎在未来找到这些对象吗？
感谢任何想法。
a) 这是真的。该模型将在训练期间将边界框内的 space 视为某个 class 的正值，而将框外的 space 视为 class 的负值 class。
b) 看到a，确实是这样
c) 在训练期间将使用空注释文件，但模型将在该图像上训练为 'background' class，因此这些也是负数。
因此，简而言之，注释某个 class 对象的所有实例，并可能添加 'background images' 作为负面示例以抑制这些对象。