关于训练物体检测模型的问题，但训练数据集的图像有很多未标注的物体

Question

• 在训练数据集中，一些应该被标记但没有引起某些原因的对象。
• 如下图，有些对象没有标注（红色矩形是标注的那个）。

• 带有错误注释的图像

• 我应该如何处理不完整的标记数据集以及对模型的影响（可能过度拟合测试数据导致训练时出现假阴性）？

Answer 1

大多数检测算法使用没有边界框的部分图像作为“负”图像的示例，这意味着不应检测到的图像。
如果您的训练集中有许多应该标记但没有标记的对象，这是一个问题，因为它混淆了训练算法。

您绝对应该考虑将缺失的标签手动添加到数据集。