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
Csvn7 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库8 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静8 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康9 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea9 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen9 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷10 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘10 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习