如何训练不包含对象的 Tensorflow 对象检测图像？

Question

我正在使用 Tensorflow 的对象检测训练一个对象检测网络，

我可以根据自己的图像和标签成功训练网络。但是，我有一个不包含任何标记对象的大型图像数据集，我希望能够训练网络不检测这些图像中的任何内容。

根据我对 Tensorflow 对象检测的理解，我需要给它一组图像和相应的 XML 文件，这些文件对图像中的对象进行装箱和标记。脚本将 XML 转换为 CSV，然后转换为其他格式以进行培训，并且不允许使用没有对象的 XML 文件。

如何给出没有对象的图像和 XML 文件？

或者，网络如何学习不是对象的东西？

例如，如果您想检测“热狗”，您可以使用一组带有热狗的图像来训练它。但是如何训练它什么不是热狗呢？

Answer 1

对象检测 CNN 可以通过让它看到没有任何标签的图像示例来了解什么不是对象。

主要有两种架构类型：

无论如何，都有一个部分负责决定什么是对象，什么不是。在 RPN 中，您有“客观性”分数，并且在单阶段中存在分类的置信度，其中您通常是背景类（即不支持的类的所有内容）。

因此，在这两种情况下，如果图像中的特定示例没有任何受支持的类别，您可以教 CNN 相应地降低客观性分数或增加背景置信度。