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。