Darknet Yolov3 - 预训练模型的自定义训练
Darknet Yolov3 - Custom training on pre-trained model
实际上在暗网 yolov3 模型中有 coco.names 标签文件，其中包含 80 classes。
现在，如果我想训练一个只有两个标签的自定义模型，其中一个标签已经存在于 coco.names 而另一个不存在。
例如我想训练一个模型来检测单元 phone 和单反相机，所以单元 phone class 已经存在于 coco.names 而单反相机是不在其标签文件中。
那么我可以使用两个 classes cell phone 和 dslr 相机训练自定义模型，并只提供 dslr 相机的数据进行训练，它会预测 dslr 相机和 cell phone 或者我应该同时使用单元格 phone 和 dslr 图像的数据进行训练，还是有其他出路。
我对 ML 有点陌生，所以任何帮助都会很棒
谢谢
所以你想微调预训练模型。
你需要把类想成网络的一组端节点，标签(phone, camera)只是它们的命名约定，给我们视觉引导。
这些节点完全连接（具有关联的权重）到网络的前一层，这些中间连接的总数取决于您拥有的端节点（类）的数量。
有了完全训练好的模型，你不能只select你想要的节点，然后把剩下的去掉，再加几个。因为考虑到一定数量的最终节点，前一层（和整个网络）被训练为 estimates/predictions。
所以基本上你需要对最后一层（头部）进行完全重置，并以所需的数量 类 重新启动它。这里的想法是，您可以利用之前在更广泛的数据集上进行的培训，并将其微调到您想要的数据。
简短回答，您需要两者的数据，并且需要更改模型以仅接受 2 类。
要为 类 和数据的新数量配置特定模型，相信您可以找到一些指导和说明 here
实际上在暗网 yolov3 模型中有 coco.names 标签文件，其中包含 80 classes。 现在，如果我想训练一个只有两个标签的自定义模型，其中一个标签已经存在于 coco.names 而另一个不存在。
例如我想训练一个模型来检测单元 phone 和单反相机，所以单元 phone class 已经存在于 coco.names 而单反相机是不在其标签文件中。
那么我可以使用两个 classes cell phone 和 dslr 相机训练自定义模型，并只提供 dslr 相机的数据进行训练，它会预测 dslr 相机和 cell phone 或者我应该同时使用单元格 phone 和 dslr 图像的数据进行训练，还是有其他出路。
我对 ML 有点陌生，所以任何帮助都会很棒 谢谢
所以你想微调预训练模型。 你需要把类想成网络的一组端节点，标签(phone, camera)只是它们的命名约定，给我们视觉引导。
这些节点完全连接（具有关联的权重）到网络的前一层，这些中间连接的总数取决于您拥有的端节点（类）的数量。
有了完全训练好的模型，你不能只select你想要的节点，然后把剩下的去掉，再加几个。因为考虑到一定数量的最终节点，前一层（和整个网络）被训练为 estimates/predictions。
所以基本上你需要对最后一层（头部）进行完全重置，并以所需的数量 类 重新启动它。这里的想法是，您可以利用之前在更广泛的数据集上进行的培训，并将其微调到您想要的数据。
简短回答，您需要两者的数据，并且需要更改模型以仅接受 2 类。
要为 类 和数据的新数量配置特定模型，相信您可以找到一些指导和说明 here