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
Surmon13 小时前
彻底搞懂大模型 Temperature、Top-p、Top-k 的区别!
前端·人工智能
见行AGV机器人15 小时前
无人机脉动线中的AGV小车
人工智能·无人机·agv·非标定制agv
廋到被风吹走15 小时前
【AI】从 OpenAI Codex 到 GitHub Copilot:AI 编程助手的技术演进脉络
人工智能·github·copilot
沐苏瑶15 小时前
Java 搜索型数据结构全解:二叉搜索树、Map/Set 体系与哈希表
java·数据结构·算法
newsxun15 小时前
DHA之后,大脑营养进入GPC时代?
人工智能
程序员Better16 小时前
2026年AI大模型选择指南:8大主流模型深度对比,小白秒懂如何选!
人工智能
ai_xiaogui16 小时前
AIStarter新版后端原型图详解:架构全面升级+共享环境一键部署,本地AI模型插件工作流管理新时代来临(2026开发者必看)
人工智能·架构·推动开源ai落地·原型图细节·aistarter新版·aistarter新版原型图·架构全面升级+共享环境一键部署
2501_9269783316 小时前
“LLM的智能本质--AGI的可能路径--人类的意识本质”三者的统一基底(5.0理论解读)
人工智能·经验分享·笔记·深度学习·机器学习·ai写作·agi
拾光向日葵16 小时前
2026贵州高职专科报考全问答合集:专业、就业与实力大盘点
大数据·人工智能·物联网
لا معنى له16 小时前
WAM与AC-WM:具身智能时代的世界动作模型与动作条件世界模型
人工智能·笔记·学习