我想训练一个深度学习框架（TensorFlow），以使用新的对象类别来进行对象检测。
作为地面实况调查的来源，我有多个包含对象的视频文件（仅图像的一部分包含对象）。
我应该如何使视频真实化？即使那些视频帧非常相似，我也应该逐帧提取并标记每个帧吗？或者，对于这样的任务，最佳实践是什么？
首选开源工具。
cmswwy 回答：视频地面实况的最佳实践？
它通常按您描述的那样工作。至少是零迭代：
- 收集必需的示例（视频）
- 从视频中提取有价值的帧（手动或部分自动化的过程）
- 使用OpenCV（或任何其他工具）提取所需的详细信息（边框，准确的蒙版）
- 组装训练套
- 训练模型
以下是通过上述方法（see it in action）制作的训练集的示例
对于迭代一，您可以使用零迭代模型，并显着改善步骤2和步骤3，以进一步增加训练集。
我正在尝试解决几乎相同的问题，因为很难生成训练集来进行准确的细分：
（同样是here it is in action和other examples）
基本上，从半手动方法开始，然后尝试发展。