【问题标题】:Weakly labelled dataset for object detection用于对象检测的弱标记数据集
【发布时间】:2018-06-01 04:50:09
【问题描述】:

我有一些数据集,它们为它们所代表的每个类都做了很好的标记。我正在尝试使用 tensorflow/research/object_detection 管道构建对象检测模型来检测每个对象。

但是...每个数据集都没有为其他类标记。我担心当挖掘的示例真正代表其他数据集中的一个类时,它们会被标记为背景类。

例如,如果我正在尝试制作一个水果检测器,并且我有一个带有苹果标签的数据集,另一个带有橙子标签和另一个带有香蕉标签的数据集 - 我将如何对分类损失进行加权,以便它忽略苹果的预测橙色的例子,反之亦然?

【问题讨论】:

    标签: tensorflow


    【解决方案1】:

    如果我正确理解您的帖子,则每张图片中都有多个类对象。如果是这种情况,那么只需为该图像中的每个类创建多个边界框。一张图像可以有多个边界框,这些边界框带有标记的类名,可用于训练

    【讨论】:

    • 是的。我有一个包含所有三个标签的数据集,但没有太多变化。其他数据集标记良好且非常大,对它们进行注释确实是一项非常艰巨的任务。
    猜你喜欢
    • 2018-04-19
    • 1970-01-01
    • 2018-04-19
    • 2016-08-11
    • 2018-11-12
    • 1970-01-01
    • 1970-01-01
    • 2018-11-27
    • 2019-10-30
    相关资源
    最近更新 更多