Deep learning 目标检测中假阳性的训练

这是我第一次涉足物体识别领域。我已经成功地在yolo上训练了一个模型，我在Google上找到了这些图像，并在CVAT中对自己进行了注释

我的问题如下

a） 我如何训练模型忽略一些我特别不感兴趣检测的特殊变量？假设我得到了误报，因为某些东西看起来与我的一个对象相似，我想进行训练，以便这些东西不会被检测到。它只是将包含不需要的对象的图像包含到训练集中，而不注释不需要的对象吗

b） 如果是这样的话，我是否正确地假设，如果我在注释图像上进行训练，而这些图像在某种程度上遗漏了所需对象的偶尔实例，这是否有效地告诉训练引擎我对该对象不感兴趣？换句话说，如果图像没有对所需对象的每个实例进行注释，那么这是否很糟糕

c） 如果我碰巧在训练集中包含一个带有空注释文件的图像，并且该图像中存在所需的对象，这会有效地阻止训练引擎在将来查找这些对象吗

谢谢你的意见。

这是真的。该模型将考虑包围盒内的空间在训练过程中对某一类为正，并且在该类之外的空间中为该类负的空间。

b） 见a，情况确实如此

c） 训练期间将使用空注释文件，但模型将在该图像上作为“背景”类进行训练，因此这些也是负片

因此，简而言之，注释某一类对象的所有实例，并可能添加“背景图像”作为负面示例来抑制这些