yolov8目标检测如何设置背景/无标签图像参与训练

背景

在开发深度学习模型的时候,总有一些图像会造成误检,这时候就需要将这些误检的图像不进行标注加入训练,让模型知道这里是一个不需要检测的"背景",减少模型的误检率。

而在网上搜了一大堆之后,发现并没有单独介绍这方面的文章,因此在这里做一个简单的文章进行介绍。

1、yolov8的数据集加载逻辑

第一步:首先通过图像路径得到所有图像的绝对文件路径列表

第二步:再通过img2label_paths这个函数将图像路径转换为标签文件路径,感兴趣的可以再去看看这个函数,所以这里需要划重点!!!,yolov8不是靠给定的标签文件路径去寻找标签文件,而是将图像文件路径转换为标签路径

第三步:通过一个进程池和verify_image_label函数将所有 的标签文件加载到内存里

点进这个函数,我把标签文件存在的加载代码折叠了,只看标签文件不存在时的的代码,可以发现这里将nm置为了1.,也就是不存在标签,这个只作为一个计数使用。重点是下面这一行。对于没有标签的图像,yolov8生成了一个空白的标签,并且将这个空白标签作为真实的标签进行训练

总结

yolov8将背景图像加入训练,不是生成一个空白的标签文件,而是将背景图像直接放入训练集即可

相关推荐
伞伞悦读1 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
7177772 小时前
互联网企业研发平台推荐:从工具堆叠到一体化协同的选型逻辑
人工智能·gitee
立青.2 小时前
AI大模型术语
人工智能
土豆12505 小时前
你只说要什么,它负责拆活交付:任务编排插件上手指南
人工智能·llm
GoldenSpider.AI6 小时前
讲透 Claude Code 的 Code Mode:原理、流程、用法与 24 轮实测
人工智能·ai编程·claude code
oak隔壁找我7 小时前
一款运行在 DSH(DeepSeek Harness)中的工作区文件管理插件
人工智能
江屿风7 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
ZONGYUAN-ROOT7 小时前
【API配额】多源 LLM API 配额池化实战:轮换调度、变化量监控、故障自愈一套方案(Python 完整实现)
人工智能
syso_稻草人7 小时前
qwen-image-2.1 高清放大拆解:Qwen21LatentUpscale 潜空间 2x + denoise 0.35 修细节,12 组场景实测
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1