我正在尝试使用YOLOv2训练神经网络，以识别视频游戏中的字符和对象。作为输入数据，我从不同角度截取了游戏内资产的屏幕截图。然而，这些角色模型中没有背景——只有模型本身。当然，在游戏中，角色后面会有背景。

这会让神经网络感到困惑吗？如果是的话，我是否应该继续寻找一些游戏中的样本背景图片，并随机将它们应用到输入数据中？

回答：

是的，你应该为你的模型添加游戏中的背景，否则你永远不会得到 decent 的检测质量。网络需要了解背景、对象在背景上的放置位置，甚至场景中对象的照明情况。所有这些都对最终的检测质量有贡献。

此外，你用来融合背景和图像的技术也很重要。

关于这个主题的一个好读物：Synthesizing Training Data for Object Detection in Indoor Scenes