我是对象检测的新手，并尝试在TensorFlow中重新训练对象检测API，以检测照片中的特定汽车模型。在准备我自己的训练数据以重新训练模型时，除了绘制边界框之类的东西之外，我的问题是，我是否应该在训练数据（不是我感兴趣的模型的车辆）中准备负面例子以达到良好的性能？
我已经阅读了一些教程，他们通常会在检测一种类型的对象时提供示例，并且他们只为该类型准备了带有标签的训练数据。我在想，因为模型首先提出了一些感兴趣的领域，然后尝试对这些区域进行分类，如果我想从照片中检测出非常具体的东西，我是否还要准备负面例子。
我保留了基于fast_rcnn的模型。谢谢你的帮助。
答案 0 :(得分：0)
是的，为了获得更好的性能，您还需要使用负面示例。好像您正在考虑使用转移学习来训练预训练的faster_rcnn模型，为您的自定义汽车添加新类。您应该开始相同数量的正面和负面示例（带有标记边界框的图像）。除了目标车型之外，您还需要有几个负面类别的例子（例如负车型1，负车型2，负车型3）。
您可以在我的github repo的数据文件夹中查看一个正面课程和几个负面课程的培训数据示例：PSV Detector Github