我是对象检测的新手，正在尝试重新训练TensorFlow中的对象检测API以在照片中识别特定车型。在准备自己的训练数据以重新训练模型时，除了绘制边界框等操作之外，我的疑问是，是否还需要在训练数据中准备负面示例（即不是我感兴趣的车型的汽车）以达到良好的性能？

我已经阅读了一些教程，这些教程通常给出检测一种对象的示例，并且他们准备的训练数据只标记了那种类型的标签。我在想，既然模型首先会提出一些感兴趣的区域，然后尝试对这些区域进行分类，如果我想从照片中检测非常具体的东西，是否也应该准备负面示例。

我正在重新训练基于faster_rcnn的模型。感谢您的帮助。

回答：

是的，为了获得更好的性能，您也需要负面示例。看起来您在考虑使用迁移学习来训练一个预训练的faster_rcnn模型，以添加一个新的类别来识别您的定制车型。您应该从相同数量的正面和负面示例（带有标记边界框的图像）开始。除了您目标车型之外，您还需要准备几种负面类别的示例（例如，负面车型1，负面车型2，负面车型3）。

您可以在我的GitHub仓库的数据文件夹中查看用于迁移学习的训练数据示例，这些示例包括一个正面类别和多个负面类别：PSV Detector Github