因为一般的训练图片的xml里面都是带有Object内容的，但是我们旨在让他学习不去把这个当作安全帽处理，因为我们定义的安全帽是戴在人头上的安全帽

我觉得可以参考那个AI识虫的项目，一路用paddledetection做一个目标检测，一路虫子抠出来单独做一个分类模型，预测的时候再把目标检测算出的框抠出来让分类模型矫正。

我觉得加入不标注的样本意义不大。将单独放置的安全帽最为一个新的类别让模型识别是更好的方法。

就是说训练模型识别“带着安全帽的”、“不带安全帽的”和“没带在头上的安全帽”三种类别。然后预测时把“没带在头上的安全帽”剔除掉就行了。

还要注意图像増广的处理。某些方法（比如上下翻转）可能还会降低识别准确率。

如果重新标注所有数据太花钱的话。还有一个办法是目标检测完成后，后面再接一个二分类模型，把检测“有安全帽目标”的结果再进行一个二分类。

分类模型的训练数据都不用标注框的，成本很低。

就是预测会慢了。

总的来说还是新加入“静置安全帽”的新样本更合理。

【下面是我写的一些小贴，有空可以fork玩玩（项目列表）】

训练数据太少？过拟合？一文带你领略“数据增长魔法”(上) (https://aistudio.baidu.com/aistudio/projectdetail/408059)

训练数据太少？过拟合？一文带你领略“数据增长魔法”(下) (https://aistudio.baidu.com/aistudio/projectdetail/422256)

一文帮你理解用Paddle训练模型的原理1-手写回归模型 (https://aistudio.baidu.com/aistudio/projectdetail/367090)

一文帮你理解用Paddle训练模型的原理2-权值可视化（VisualDL） (https://aistudio.baidu.com/aistudio/projectdetail/386954)

来AI Studio互粉吧~等你哦~ https://aistudio.baidu.com/aistudio/personalcenter/thirdview/76563

谢谢啦