tensorflow - 是否有必要在图像上标记一个类的每个对象？

Question

我标记了一堆图像，用于训练一个 Faster-RCNN 网络，用于一个类的对象检测。每个图像上大约有数百或数千个此类对象。我必须给它们都贴上标签吗？

现在我在每个图像上标记了大约 20 到 80 个对象实例。因此，我选择了我认为易于识别的对象。

当我开始用这个数据集训练网络时，损失在 0.9 到 20,000,000 之间

通常损失应该变小，但在我的情况下它会减少并且具有极高的峰值。

Answer 1

是的，您应该在每个训练图像中标记对象的每个实例。因为，您未标记的任何内容都被视为背景（这是一个标记为 -1 的隐式类）。所以如果你留下一个没有标签的对象实例，它被认为是背景，所以模型在试图区分两个类时会混淆，即背景类（-1）和对象类（例如1）。

如果每个图像中有太多对象实例，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）。