重新训练TF对象检测API来检测特定的车型--如何准备训练数据？

Question

我刚接触物体检测，并尝试在TensorFlow中重新训练物体检测应用程序接口，以检测照片中特定的汽车型号。当准备我自己的训练数据来重新训练模型时，除了绘制边界框等事情之外，我的问题是，我是否还应该在训练数据中准备负面示例(不是我感兴趣的模型的汽车)以达到良好的性能？

我已经阅读了一些教程，它们通常在检测一种类型的对象时给出示例，并且他们只为该类型准备了带有标签的训练数据。我在想，既然模型首先提出了一些感兴趣的领域，然后尝试对这些领域进行分类，如果我想从照片中检测出非常具体的东西，我是否也应该准备反面样本。

我保留了基于faster_rcnn的模型。谢谢你的帮助。

Answer 1

是的，为了更好的性能，你也需要反面的例子。似乎您正在考虑使用迁移学习来训练一个预先训练好的faster_rcnn模型，以便为您的定制汽车添加一个新类。您应该开始相同数量的正例和反例(带有标签边界框的图像)。除了你的目标汽车类型之外，你还需要有几个负面类别的例子(例如，负面汽车类型1，负面汽车类型2，负面汽车类型3)。

您可以在my github存储库的data文件夹中查看用于迁移学习的一个正面班级和几个负面班级训练数据的示例：PSV Detector Github