Yolo算法中特征相似导致误报问题

训练目标检测时会碰到一种很奇怪的问题,明明两种目标有很大的差别但是却会被误识别,从而产生大量的误报,这种不利于生产。其实解决办法也很简单就是添加负样本 一起参与训练从而避免这种问题。

训练教程可以看我的系列专栏,里面有你想要的

yolov系列+C#_该醒醒了~的博客-CSDN博客

下面开始我们的教程

一、收集你的正样本和负样本,标注正样本,负样本不需要标直接保存

如下方的两种

正样本

负样本

也可以添加全局的正样本和负样本

二、标注

labelimg标注

正样本正常进行标注,负样本不需要标注直接 抗挫+S 保存就行

你要注意一点:你标注训练集中的正样本和负样本都是有txt标签文件的,唯一不同的是你负样本的txt标签文件中是空的,就如下:

里面什么都没有的

正样本是有内容的

将这两个标签和样本都放在你训练集中参与训练,然后预测推理就不会误报了。

相关推荐
Shockang8 小时前
llama.cpp 本地运行 9B 模型:部署、工具调用与微调数据
人工智能
Shockang8 小时前
n8n 智能体工作流实战:触发、工具、记忆与发布护栏
人工智能
冬奇Lab9 小时前
开源项目第241期:YuE2 —— 用符号乐谱当“白盒“接口的开源音乐生成模型,SongBench 超越 Suno v5/v6
人工智能
鶴哥只手遮天10 小时前
Spring AI 2.0.1 深度解析-第 14 章 MCP 服务端(上):注解式实现与工具来源
java·人工智能·开源
鶴哥只手遮天10 小时前
Spring AI 2.0.1 深度解析-第 15 章 MCP 服务端(下):三种协议形态、Streamable 传输与状态管理
java·人工智能·开源
鶴哥只手遮天10 小时前
Spring AI 2.0.1 深度解析-第 16 章 向量存储(上):`VectorStore` 接口体系、`BatchingStrategy`
java·人工智能·开源
鶴哥只手遮天10 小时前
Spring AI 2.0.1 深度解析-第 12 章 工具循环的流式形态、Usage 累加与扩展体系
java·人工智能·开源
鶴哥只手遮天11 小时前
Spring AI 2.0.1 深度解析-第 23 章 模型供应商实现:从 `OpenAiSetup` 到 Bedrock
java·人工智能·开源
鶴哥只手遮天11 小时前
Spring AI 2.0.1 深度解析-第 06 章 内置 Advisor 全景:13 个实现逐个剖到源码级
java·人工智能·开源