Tensorflow 是否需要在图像上标记类的每个对象？

我用一个类标记了一组图像，用于训练更快的RCNN网络进行目标检测。每个图像上都有大约百分之一百或数千个此类对象。我必须给它们贴上标签吗

目前，我在每张图像上标记了大约20到80个对象实例。因此，我选择了我认为很容易恢复的对象

当我用这个数据集开始网络培训时，损失在0.9到20000000之间

---

正常情况下，损失应该会变小，但在我的情况下，它会减少，并且具有极高的峰值。

是的，您应该在每个训练图像中标记对象的每个实例。因为，没有标记的内容都被视为背景（这是一个标记为-1的隐式类）。因此，如果将对象的实例保留为不带标签的对象，则该实例将被视为背景，因此在尝试区分两个类时，模型将被混淆，即背景类（-1）和对象类（例如1）

如果每个图像中有太多的对象实例，可能您可以将图像切割为较小的对象（例如1000个部分，每个部分包含约100个对象）