【发布时间】：2017-03-30 11:37:49
【问题描述】：
目前，我正在训练一个用于图像检测的模型，我想知道每个类需要多少张图像，是否需要每个对象的数量相同。
我需要一些建议。
我使用 Tensorflow 和 Yolo v2 模型。
谢谢，
【问题讨论】：
标签： tensorflow deep-learning object-detection
【发布时间】：2017-03-30 11:37:49
【问题描述】：
您需要尽可能多的数量，但如果您从头开始训练网络，至少肯定需要数万个（对于 YOLOv2 的训练有预训练的权重 - http://host.robots.ox.ac.uk/pascal/VOC/)。
最好有平衡的类，这意味着每个类的图像数量必须接近，这样更容易训练。
您为什么要自己训练网络？你不能使用一些预训练的模型，去掉 FC 层并插入你自己的类吗？这种方式速度更快，而且您不需要那么多图片。
【讨论】：
-
因为存在的模型不能识别卡通图像，所以我需要一些建议来了解我的数据集的正确概念，我想说我使用的是一个正在训练对象检测的模型也就是 YOLO 9000
-
您可以使用预训练的卷积层 (cs231n.github.io/transfer-learning)。这些预训练模型中的分类是在最后的全连接层中完成的，但卷积层用于提取抽象特征。您可以在最后删除全连接层，并添加几个未训练的全连接层连接到卷积层的输出。
-
这是一个例子：nature.com/nature/journal/v542/n7639/full/nature21056.html。这些人使用预训练的 InceptionV3 模型（在所有类型的 1.3M 图像上进行训练），连接他们的 FC 层，并应用这些层将痣分为恶性和良性。网络做得很好:)