计算机视觉 / 系统课时
构建负样本
构建负样本
误检往往不是因为正样本太少,而是模型很少见到“看起来像目标但其实不是”的画面。本节构建不含目标和包含相似干扰物的负样本,并说明如何加入训练集而不制造错误监督。
学习目标
- 区分纯背景负样本与相似干扰物负样本
- 为负样本生成与 YOLO 数据集一致的空标签文件
- 用固定误检场景验证负样本是否降低 false positive
负样本要覆盖真实误检来源
负样本的标签含义是“这张图里没有任何需要检测的目标”。它可以是完全没有目标的纯背景,也可以包含纹理、轮廓或物体外观与目标相似的干扰物。后者通常更有价值,因为它直接告诉模型哪些视觉模式不应触发检测框。
| 类型 | 适合解决的问题 | 关键检查 |
|---|---|---|
| 纯背景 | 背景纹理导致的随机误检 | 确认画面中确实没有目标 |
| 相似干扰物 | 类别外观相近导致的误检 | 干扰物不能属于任何待检测类别 |
| 真实业务空场景 | 摄像头、产线等固定场景误检 | 采集分布应接近线上环境 |
最危险的情况是图片里其实存在目标,却因为漏标而被当成负样本。训练时这会把真实目标当作背景压制,直接伤害召回率。
生成空标签并加入训练集
下面脚本把 negative_pool 中的图片复制到训练图片目录,并为每张图片创建同名空标签。文件名前加 neg_,用于降低与已有训练图片重名的风险。
from pathlib import Path
import shutil
source_dir = Path("negative_pool")
images_dir = Path("dataset/images/train")
labels_dir = Path("dataset/labels/train")
image_suffixes = {".jpg", ".jpeg", ".png", ".bmp", ".webp"}
images_dir.mkdir(parents=True, exist_ok=True)
labels_dir.mkdir(parents=True, exist_ok=True)
added = 0
for src in sorted(source_dir.iterdir()):
if not src.is_file() or src.suffix.lower() not in image_suffixes:
continue
stem = f"neg_{src.stem}"
dst_image = images_dir / f"{stem}{src.suffix.lower()}"
dst_label = labels_dir / f"{stem}.txt"
shutil.copy2(src, dst_image)
dst_label.write_text("", encoding="utf-8")
added += 1
print(f"negative_samples_added={added}")
print(f"images_dir={images_dir}")
print(f"labels_dir={labels_dir}")预期输出
negative_samples_added=<VALUE>
images_dir=dataset/images/train
labels_dir=dataset/labels/train实际数量取决于 negative_pool 中的图片。若项目已有固定的数据构建脚本,应把这一步整合进原流程,保证训练集可以重新生成,而不是只在本地手工复制一次。
控制负样本比例和难度
负样本的目标是纠正误检,不是让背景数量压过正样本。先加入一小批与线上误检高度相关的图片,重新训练后观察变化;如果误检仍集中在同一类干扰物,再继续补充这一类,而不是一次性加入大量随机背景。
相似干扰物要尽量覆盖真实变化,例如不同距离、光照、拍摄角度和背景组合。纯背景则更适合覆盖固定摄像头、空工位、空道路等业务中经常出现的空场景。两者都应避免从测试集直接搬运。
用误检回归集验收
在正式验证集之外,可以维护一小组专门用于检查误检的回归图片,内容集中放置历史上最容易触发错误检测的背景和干扰物。每次数据迭代后,用相同模型阈值比较这些图片上的误检框数量,同时观察正常目标的召回率是否下降。
负样本有效的信号不是训练损失更低,而是目标不存在时预测更克制、目标存在时仍能正常检出。若误检下降但召回也明显下降,应减少过强或过多的负样本,并优先检查是否混入了漏标图片。