Fatal编程技术网
  • tensorflow/
  • Tensorflow 单个图像的多目标检测（无边界盒训练）

Tensorflow 单个图像的多目标检测（无边界盒训练）

tensorflow machine-learning deep-learning computer-vision

Tensorflow 单个图像的多目标检测（无边界盒训练）,tensorflow,machine-learning,deep-learning,computer-vision,yolo,Tensorflow,Machine Learning,Deep Learning,Computer Vision,Yolo,我有一些高质量的图像，在单个图像和标签中有多个对象。训练数据中没有给出边界框。我可以手动绘制边界框并对其进行训练。但这很耗时。所以我想问，是否有任何机器学习算法可以在没有任何边界框的情况下进行训练。 有人能给你一些建议吗？简单回答你的问题：没有 该问题将成为无监督的目标定位，并将导致没有很好的解决方案；或者，如果愿意，您可以将问题视为多标签图像分类。您忘了提及要执行的任务，如果是图像分类，则不需要边界框。是的，我主要将其视为多个对象的图像分类问题。稍后我可能会添加边界框。你的意思是我可以使用任何

我有一些高质量的图像，在单个图像和标签中有多个对象。训练数据中没有给出边界框。我可以手动绘制边界框并对其进行训练。但这很耗时。所以我想问，是否有任何机器学习算法可以在没有任何边界框的情况下进行训练。
有人能给你一些建议吗？

简单回答你的问题：没有

该问题将成为无监督的目标定位，并将导致没有很好的解决方案；或者，如果愿意，您可以将问题视为多标签图像分类。

您忘了提及要执行的任务，如果是图像分类，则不需要边界框。是的，我主要将其视为多个对象的图像分类问题。稍后我可能会添加边界框。你的意思是我可以使用任何像CNN这样的图像分类技术进行分类吗？谢谢，如果我的体系结构足够好，可以进行培训，那么多标签图像分类会带来很好的准确性吗？在这种情况下，你应该进行转移学习。使用预先训练好的网络并在数据集上进行微调，Tensorflow Hub之类的库可以将您带到目的地。谢谢，兄弟。我现在使用的是inception v3，初始精度非常好。