Python 基于TensorFlow的目标检测器训练

我希望这里有人有使用tensorflow训练目标检测模型的经验。我是一个完全的新手，努力学习。我在tensorflow网站上浏览了一些教程，现在我将尝试一个真实的例子。我正在学习教程。我正处于需要标记图像的位置

我的计划是尝试检测扇贝，但我使用的图像有几个扇贝。有些我真的不能说是扇贝，但事实上我有上下文，它们很可能是扇贝，因为它们旁边是一堆其他扇贝

我的问题是：

我是不是最好把他们剔除，单独治疗？或者标记具有多个扇贝的图像

当给扇贝贴标签时，如果我没有看到其他扇贝的背景，很多扇贝看起来就像一块圆形的岩石。我还应该给它们贴标签吗

我猜我还需要找到一些背景不同的图像

我知道我可以通过实验来观察模型的表现，但是给这些图像贴标签是一项劳动密集型的任务，所以我希望我可以借鉴一些人的经验，他们在过去曾尝试过类似的事情。我正在部分添加标签的其中一幅图像的示例：

好问题！答案很简单，您应该将图像标记为模型在推断时看到的图像。没有理由对你的模型“撒谎”（不贴标签），你只会混淆它。说实话，如果你看到扇贝，给它贴上标签。如果你不给某个东西贴标签，这就像是一个负面的例子，它会混淆模型A:多个扇贝

2） 似乎模型将（许多）扇贝的图像作为输入，因此它了解到“扇贝堆旁边的圆形物体也可能是扇贝”并不是问题，这甚至是一件好事，因为它们通常都是。所以，再一次，说实话，给一切贴上标签

---

3） 这取决于，在推断时您将如何使用该模型？那么这些图像都有相同的背景吗？如果是，你不需要不同的背景，如果不是，你需要他们

谢谢大家!！我按照你的建议给所有东西贴上标签。希望我不必训练太多的图像。将继续学习本教程，了解其性能。这就是有趣的部分：）