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