如何训练不包含对象的 TensorFlow 对象检测图像？答案

【问题标题】：How to train Tensorflow Object Detection images that do not contain objects?如何训练不包含对象的 TensorFlow 对象检测图像？
【发布时间】：2019-04-12 11:00:34
【问题描述】：

我正在使用 Tensorflow 的对象检测训练一个对象检测网络，

https://github.com/tensorflow/models/tree/master/research/object_detection

我可以根据自己的图像和标签成功训练网络。但是，我有一个不包含任何标记对象的大型图像数据集，我希望能够训练网络不检测这些图像中的任何内容。

根据我对 Tensorflow 对象检测的理解，我需要为其提供一组图像和相应的 XML 文件，用于对图像中的对象进行框和标记。脚本将 XML 转换为 CSV，然后再转换为另一种训练格式，并且不允许 XML 文件没有对象。

如何给出没有对象的图像和XML文件？

或者，网络如何学习什么不是对象？

例如，如果您想检测“热狗”，您可以使用一组带有热狗的图像对其进行训练。但是如何训练它什么不是热狗呢？

【问题讨论】：

似乎这是我们从 github.com/datitran/raccoon_dataset 使用的脚本的问题，他们将 ImageNet XML 文件转换为 csv，然后转换为 tf-records，我会看看我是否可以修复脚本，假设tf-records 可以在没有对象的情况下进行训练吗？
我们最终修复了脚本以在转换为 csv 和 tfrecords 时支持空 xml 文件。我们还创建了一个脚本，为图像集（无对象）生成一个空的 xml 文件

标签： python tensorflow deep-learning object-detection object-detection-api

【解决方案1】：

对象检测 CNN 可以通过查看没有任何标签的图像示例来了解什么不是对象。

有两种主要的架构类型：

两阶段，第一阶段对象/区域建议（RPN），第二阶段 - 分类和边界框微调；
one-stage，直接根据特征图中某个cell对应的特征向量对BB进行分类和回归。

在任何情况下，都有一部分负责决定什么是对象，什么不是。在 RPN 中，您有“objectness”分数，在一个阶段中，有分类的置信度，通常是背景类（即所有不支持的类）。

因此，在这两种情况下，如果图像中的特定示例没有任何受支持的类，您可以教 CNN 相应地降低对象性分数或增加背景置信度。

【讨论】：

感谢您的信息。 github.com/tensorflow/models/tree/master/research/… 的 python 脚本不允许图像的 XML 文件没有对象，所以一定只是脚本问题。

【解决方案2】：

您可能想看看this solution。

为了让 tensorflow 对象检测 API 包含您的负面示例，您需要将负面示例添加到您从 xml 创建的 csv 文件中，方法是修改生成 csv 文件的脚本或在之后添加示例.

要使用LabelImg 生成没有类标签的 xml 文件，您可以通过按“验证图像”来执行此操作。

【讨论】：