我正在使用 Tensorflow's object detection API 构建 RCNN 检测网络.
我的目标是检测户外视频中动物的边界框。大多数框架没有动物，只有动态背景。
大多数教程侧重于训练自定义标签，但没有提及负训练样本。这类检测器如何处理不包含感兴趣对象的图像？它只是输出低概率，还是会强制尝试在图像内绘制边界框？
我目前的计划是在 opencv 中使用传统的背景减法来生成潜在的帧并将其传递给经过训练的网络。我是否还应该包含一类“背景”边界框作为“负数据”？
最后的选择是使用 opencv 进行背景扣除，使用 RCNN 生成边界框，然后使用裁剪分类模型来识别动物与背景。
最佳答案
一般来说，没有必要明确包含“负片图像”。这些检测模型中发生的情况是，它们使用图像中不属于注释对象的部分作为底片。
关于tensorflow - 我应该包含 Tensorflow 对象检测 API 的负面示例吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46589962/