如何训练不包含对象的Tensorflow对象检测图像？

Question

我正在使用Tensorflow的对象检测来训练对象检测网络，

https://github.com/tensorflow/models/tree/master/research/object_detection

我可以根据自己的图像和标签成功训练网络。 但是，我有一个很大的图像数据集，其中不包含任何带标签的对象，并且我希望能够训练网络以不检测这些图像中的任何东西。

根据我对Tensorflow对象检测的了解，我需要给它提供一组图像和相应的XML文件，以对图像中的对象进行装箱和标记。这些脚本将XML转换为CSV，然后转换为另一种格式进行培训，并且不允许没有对象的XML文件。

如何提供没有对象的图像和XML文件？

或者，网络如何学习不是对象的东西？

例如，如果您要检测“热狗”，则可以使用带有热狗的一组图像对其进行训练。但是如何训练它不是热狗呢？

Answer 1

对象检测CNN可以让对象看到没有标签的图像示例，从而了解不是对象的东西。

主要有两种体系结构类型：

1. 分为两阶段，第一阶段是对象/区域提议（RPN），第二阶段是对分类和边界框进行微调；
2. 一个阶段，它根据与特征图中某个单元格相对应的特征向量对BB进行直接分类和回归。

在任何情况下，都有一部分负责确定什么是对象，什么不是对象。在RPN中，您具有“客观性”评分，在一个阶段中，就有分类的信心，您通常在其中进行背景课程（即，不是受支持的课程的所有内容）。

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，您可以教CNN相应地降低客观评分或增加背景置信度。

Answer 2

您可能想看看this solution。

要使tensorflow对象检测API包含否定示例，您需要将否定示例添加到通过xml创建的csv文件中，方法是修改生成csv文件的脚本，或者在之后添加示例

要使用LabelImg生成不带类标签的xml文件，可以通过按“验证图像”来实现。