我想知道使用带水印的图像(带有水印 1. under the image 或 2. over it 或 3. diffused )训练像 YOLO 这样的 CNN 来进行 Pandas 的物体检测任务是否会显着影响模型的准确性,当针对无水印图像进行测试时。
此外,更具体地说,如果水印位于图像中,但位于我想要检测的对象区域之外(例如示例 1. 或最终示例 3.),这将如何影响最终结果?
谢谢
最佳答案
YOLO 可能能够解决噪声问题,但它仍然不是您可以制作的最佳数据集。为了获得更好的准确性,我建议您使用 YoloV3-SPP(空间金字塔池)模型。您可以使用此流行存储库中的 SPP 模型 https://github.com/AlexeyAB/darknet 。
在 darknet/cfg/yolov3-spp.cfg
中,您可以看到添加了 SPP block :
### SPP ###
[maxpool]
stride=1
size=5
[route]
layers=-2
[maxpool]
stride=1
size=9
[route]
layers=-4
[maxpool]
stride=1
size=13
[route]
layers=-1,-3,-5,-6
### End SPP ###
SPP 在卷积层中使用下采样(步长=2)+对同一图像使用 3 个不同大小的最大池,并在最大池化层中获得最佳特征。我认为通过添加最大池化层,它可以通过仅选择图像中的最大值和重要特征来减少图像中的一些噪声。
关于conv-neural-network - CNN 目标检测和带有水印图像的训练,它会起作用吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55744508/