目标检测数据集标注、训练细节！很关键！

1. 标注方框大小合适

所谓大小合适，即矩形方框应该刚好将目标包围住，之间的间隙不能太大，也不能太小。太大太小的话，最后模型在推理时，也会出现目标框得不准的情况，或者在视频图像检测中，出现前后帧目标抖动严重，不能锁定。同时在标注的时候，一定要保证矩形方框包含了目标的轮廓信息，因为轮廓信息对于模型训练来讲很重要，它可以区分不同类型的目标。

2. 标注方框位置合适

3.需要多视角素材

这个其实跟素材的准备有关，我们不能只标几种视角的素材图片。在道路监控应用场景中，素材应该涵盖各种摄像机视角，正前方、正后方、左侧前方、右侧前方、左侧后方、右侧后方以及俯视视角等等。每种视角的素材都应该被标注，这样训练出来的模型才有更大的通用性。

4. 目标被遮挡也要标注

不能只标注图像中完整的目标，被遮挡的目标，只要人眼能看清是啥的都应该被标注，并且矩形框只需要包含看得见的部分即可。这样做的原因跟上一条类似，提高模型的通用性，实际应用场景中，很多目标被遮挡，模型仍然需要将其检测出来，所以我们需要标注类似的素材。

5. 小目标也不能漏掉

虽然不同的算法对小目标的检测效果不同，比如Yolo对小目标检测效果比较好，但是前提是我们需要准备小目标的素材标注。一张图片素材中，近处的大目标需要标注，远处人眼看得清的小目标同样需要标注。原理跟上一条类似：只要人眼能分清是啥的小目标，都应该标出来。

6. 人眼分不清是啥的不要标

很多时候，由于素材图片本身的原因、或者目标被遮挡大部分、或者远处目标实在太远，人眼无法分辨是什么，虽然知道是一个目标，但是不知道它到底是汽车Car还是客车Bus甚至是人，这种时候不要标注。否则会给神经网络带来误导。

7.背景比较杂乱的场景，增加背景图片训练集，背景图片无需标注。