我对物体检测很新。我正在使用tensorflow对象检测API，我现在正在为我的项目和model_main.py收集数据集来训练我的模型。
我发现并转换了两个带有注释的汽车和交通灯的大型数据集。并从他们那里做了两个tfrecords。
现在我想训练一个预训练的模型，但我很好奇它会起作用吗？当有可能一个图像例如“001.jpg”当然会有一些注释的汽车边界框（它来自汽车数据集），但是如果有交通信号灯那么它也不会被注释 - >将它导致学习率不好？ （可能有许多“有问题”的图像）我应该如何改进？有没有解决方法？ （我真的不想再次注释图像）
如果它的愚蠢问题我很抱歉，感谢任何回复 - 这个问题的一些链接将是最好的！
谢谢 ！
简短的回答是肯定的，它可能有问题，但通过一些努力，你可以使它成为可能。如果您有两个城市数据集，并且在一个中您只有交通灯注释，而在第二个中您只有汽车注释，那么第一个数据集中的每个汽车实例都将被学习为虚假示例，以及每个交通实例第二个数据集中的光将作为错误示例学习。我能想到的两个可能的结果是：
为了能够了解学习交通灯和汽车的目标，无论它们来自哪个数据集，您都需要修改损失函数。您需要告诉损失函数每个图像来自哪个数据集，然后只计算相应类的损失（/ 0表示类的损失与它不对应）。因此，回到我们的示例，您只计算第一个数据集上的损失和反向传播交通灯，以及第二个数据集上的汽车。
为了完整性，我将补充一点，如果资源可用，那么更好的选择是注释所有数据集上的所有类以避免建议的修改，因为仅通过反向传播某些类，您不喜欢使用其他类的实际错误示例。