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
菜鸟一枚在这16 分钟前
深度解析建造者模式:复杂对象构建的优雅之道
java·开发语言·算法
谨慎谦虚20 分钟前
Trae 体验:探索被忽视的 Chat 模式
人工智能·trae
北极的树22 分钟前
AI驱动的大前端开发工作流
人工智能
gyeolhada34 分钟前
2025蓝桥杯JAVA编程题练习Day5
java·数据结构·算法·蓝桥杯
阿巴~阿巴~35 分钟前
多源 BFS 算法详解:从原理到实现,高效解决多源最短路问题
开发语言·数据结构·c++·算法·宽度优先
IT古董39 分钟前
【漫话机器学习系列】100.L2 范数(L2 Norm,欧几里得范数)
人工智能·机器学习
给bug两拳1 小时前
Day9 25/2/22 SAT
算法
小天努力学java1 小时前
【面试系列】Java开发--AI常见面试题
java·人工智能·面试
数造科技1 小时前
紧随“可信数据空间”政策风潮,数造科技正式加入开放数据空间联盟
大数据·人工智能·科技·安全·敏捷开发
@ V:ZwaitY091 小时前
如何打造TikTok矩阵:多账号管理与内容引流的高效策略
人工智能·矩阵·tiktok