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
AI街潜水的八角1 分钟前
火焰烟雾检测和识别3:基于深度学习YOLO26神经网络实现火焰烟雾检测和识别(含训练代码、数据集和GUI交互界面)
深度学习·神经网络·yolo
人工智能AI技术1 分钟前
Java程序员如何入门AI
java·人工智能
NingboWill2 分钟前
AI日报 - 2026年01月16日
人工智能
一只小小的土拨鼠2 分钟前
MedSeg - R:利用多模态大语言模型进行医学图像推理分割
人工智能
敏叔V5873 分钟前
AI驱动的自动化测试:智能用例生成、异常检测与回归测试
人工智能
AI街潜水的八角7 分钟前
基于YOLO26火焰烟雾检测系统1:火焰烟雾检测数据集说明(含下载链接)
yolo
天天爱吃肉82188 分钟前
交叉表格与卡方检验:新能源汽车研发测试中的分类变量关联性分析实战
人工智能·python·嵌入式硬件·机器学习·分类·数据挖掘·汽车
沉淅尘8 分钟前
Agent Skills: 如何为大语言模型构建可复用技能
人工智能·ai·语言模型
Swift社区9 分钟前
LeetCode 377 组合总和 Ⅳ
算法·leetcode·职场和发展
漫随流水9 分钟前
leetcode算法(404.左叶子之和)
数据结构·算法·leetcode·二叉树