深度学习目标检测YOLO对于数据集的要求

最新推荐文章于 2024-07-25 16:58:58 发布

柠檬树的橘子

最新推荐文章于 2024-07-25 16:58:58 发布

阅读量1w

点赞数 17

文章标签：深度学习目标跟踪

本文链接：https://blog.csdn.net/qq_41308881/article/details/110525477

版权

前言

提示：之前在做深度学习的时候，发现如果想要训练自己的数据集，那么数据集的准备对检测结果有很大的影响。刚好最近看YOLO的帮助文档，发现有一些对数据集的要求和建议，这里就记录一下。

确保要检测的每个对象在训练集中都被标记。数据集中的每个对象都应该被标记。在大多数训练问题中，你的数据集中有错误的标签。
对于每个你想要检测的对象-在训练数据集中必须至少有一个相似的对象有差不多相同的:形状，侧面的对象，相对大小，旋转的角度，倾斜，照明。所以你的训练数据集包括图像与不同的对象:比例，旋转，灯光，从不同的侧面，在不同的背景-你应该最好有2000不同的图像为每个类或更多，你应该训练2000*类迭代或更多
数据集中既要包括你想要检测的物体，也要包括你不想检测到的物体。（比如：你想检测狗，但是不想检测猫。那么你的数据集中同时要有狗和猫，当然猫不要进行标注）
标记物体最好的方式是什么:只标记物体可见的部分，还是标记物体可见重叠的部分，或者标记比整个物体稍微多一点(有一点间隙)?按你喜欢的方式标记，这取决于你希望它如何被检测到?

关注