我正在使用Tensorflow的对象检测训练对象检测网络，
https://github.com/tensorflow/models/tree/master/research/object_detection
我可以根据自己的图像和标签成功训练网络 . 但是，我有一个大型的图像数据集，不包含任何标记的对象，我希望能够训练网络不检测这些图像中的任何内容 .
根据我对Tensorflow对象检测的理解，我需要为它提供一组图像和相应的XML文件，用于对图像中的对象进行包装和标记 . 脚本将XML转换为CSV，然后转换为另一种培训格式，并且不允许没有对象的XML文件 .
如何提供没有对象的图像和XML文件？
或者，网络如何了解什么不是对象？
例如，如果您想要检测“热狗”，您可以使用热狗的一组图像进行训练 . 但是如何培养它不是热狗呢？
1 回答
对象检测CNN可以通过让它看到没有任何标签的图像示例来学习什么不是对象 .
有两种主要的架构类型：
两阶段，第一阶段对象/区域提议（RPN），第二阶段 - 分类和边界框微调;
一阶段，其基于与特征 Map 中的特定单元对应的特征向量直接对BB进行分类和回归 .
在任何情况下，都有一个部分负责决定什么是对象，什么不是 . 在RPN中你有“对象性”得分，并且在一个阶段中存在分类的置信度，其中你通常是一个背景类（即所有不支持的类） .
因此，在这两种情况下，如果图像中的特定示例没有任何支持的类，您可以教CNN降低对象度分数或相应地增加背景置信度 .