CNN目标检测和训练与水印图像，它会工作吗？

Question

我想知道，如果用带有水印的图像(水印为1.在图像下面或2.在它上面或3.漫射)来训练像YOLO这样的CNN来完成熊猫的目标检测任务，是否会对模型的准确性产生显著影响，而不是对非水印图像进行测试。

另外，更具体地说，如果水印在图像中，但在我想要检测的对象区域之外(比如示例1或最终3。)，这将如何影响最终结果？

谢谢

Answer 1

YOLO可能能够解决噪音问题，但它仍然不是您能够创建的最好的数据集。为了获得更好的精度，我建议您使用YoloV3-SPP (空间金字塔池)模型。您可以从这个流行的回购https://github.com/AlexeyAB/darknet中使用SPP模型。

在darknet/cfg/yolov3-spp.cfg中，可以看到SPP块添加：

### SPP ### 
 [maxpool] 
 stride=1 
 size=5 

 [route] 
 layers=-2 

 [maxpool] 
 stride=1 
 size=9 

 [route] 
 layers=-4 

 [maxpool] 
 stride=1 
 size=13 

 [route] 
 layers=-1,-3,-5,-6 

 ### End SPP ### 

SPP在卷积层中使用下采样(stride=2) +对同一图像使用3种不同大小的最大池，并在最大池层中获得最佳特性。我认为，通过添加Max池层，只需从图像中选择最大值和重要特征，就可以减少图像中的一些噪声。

Answer 2

根据经验，我想说YOLO应该能够处理这个级别的噪音。翻阅你的案子：

1. 这不应该是个问题。一些训练程序实际上包括黑白图像边框，以实现正确的分辨率，而不拉伸图像。
2. 3.如果水印掩盖了重要的特征，这可能是一个问题，或者更糟的是，在训练期间，水印的一部分与类相关联。

如果水印位于对象区域之外: YOLO具有跨图像学习上下文的能力，但只要您坚持使用预先训练过的模型，您就应该很好。