物体检测：是照片中的物体，python答案

【问题标题】：object detection: is object in the photo, python物体检测：是照片中的物体，python
【发布时间】：2020-11-02 07:26:18
【问题描述】：

我正在尝试检测照片中的植物，我已经用植物标记了照片（带有labelImg），但我不明白如何只用背景照片训练模型，这样当这里没有植物时模型可以告诉我。我需要将标签框设置为图像的大小吗？

附言新来的毫升所以不要粗鲁，拜托）

【问题讨论】：

请阅读ml标签的描述。
您的任务仅仅是检测照片中是否有植物吗？在这种情况下，您可能不需要这样的标签。当您想要检测图像中的多个对象时，这种标记很有用。还有你用什么算法来完成这个任务？
我认为您混淆了“检测”和“分类”任务。后者更容易训练。
如果有植物，我想稍后裁剪这个图像，如果有两个或更多的植物将它们裁剪成单独的图像，所以我需要预测这个框，尽管它是一个检测问题。但我不知道如何判断照片中什么时候没有植物。

标签： python pytorch object-detection

【解决方案1】：

我最近遇到了一个问题，我的所有训练图像都放大了对象。这意味着训练图像的背景信息都非常少。由于对象检测模型使用边界框外的空间作为这些对象的反例，这意味着该模型没有背景知识。所以模型知道什么是对象，但不知道它们是什么不是。

所以我不同意@Rika，因为有时背景图片很有用。在我的示例中，它可以引入背景图像。

正如我已经说过的，对象检测模型使用图像中的未标记空间作为某个对象的反例。因此，您必须保存没有背景图像边界框的注释文件。在你这里使用的软件（labelImg）中，你可以使用verify image来表示它保存了没有框的图像的注释文件。所以它保存了一个文件，说它应该包含在训练中，但没有边界框信息。该模型将此作为反例。

【讨论】：

+1 分享您的经验。是的，在这种情况下，它确实可能是真的。但是，根据她在这里演示的内容，这不是她的问题，她不需要做这样的事情，并且她的检测应该会顺利进行，如您所见，图像包含相当多的背景。跨度>

【解决方案2】：

在您的情况下，您无需在这方面做任何事情。只需获取您创建的检测数据并使用它训练您的网络。在进行测试时，您通常会设置边界框准确度的阈值，因为您可能会得到很多这样的边界框，因此您只需要具有最高置信度的边界框。

然后您获得/显示具有最高 bbox 精度的那些，然后您就可以得到检测结果，您可以做任何您想做的事情，例如使用您获得的边界框坐标裁剪它们。

如果没有植物，您的网络可能会创建精度低于您的阈值（非常低的置信度）的 bbox，然后您就忽略它们。

【讨论】：