tensorflow - 从单个图像检测多个对象(无边界框训练)
问题描述
我有一些高质量的图像,它们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。 谁能给点建议??
解决方案
简单回答您的问题:否
对于对象定位,该问题将变得无监督,并且将导致没有好的解决方案;或者,如果您愿意,您可以将您的问题视为多标签图像分类。
推荐阅读
- c# - 是否所有版本的 Auto-Fixture 都依赖于 .NET Framework?
- javascript - 获取 null 不是对象(评估 'RNFusedLocation.getCurrentPosition')
- google-apps-script - 在 Google Apps 脚本中使用缓存
- sentry - Sentry:下载小型转储
- reactjs - 调度时如何不覆盖 Redux 的状态
- flutter - 如何制作一个包含在整个屏幕上拉伸的背景图像的颤动应用程序,带有返回句子的图像的圆形按钮?
- python - 在 .TIF 中拆分帧并保存到新文件 - OSerror: -2
- android - Android 11 通知 LED,如何闪烁?
- swiftui - SwiftUI - 消失的原因
- c# - 没有像“{ MyProperty : 1 }”这样的魔法字符串的 MongoDB C# 投影查询