如何用新类重新训练图像分类器并保留旧类

Question

我正在尝试制作一个图像分类器，可以识别图像是西瓜图像的可能性有多大。为此，我按照此处的花卉分类器示例：https://www.tensorflow.org/hub/tutorials/image_retrainin 并使用此命令训练模型

python retrain.py --image_dir ~/flower_photos

我在尝试这个分类器时发现的问题是它只在新类中进行分类，在这种情况下是花类。因此，当我尝试对狗的图像（我知道它存在于 Inception 模块中）进行分类时，它会将其分类为玫瑰

python label_image.py \
--graph=/tmp/output_graph.pb --labels=/tmp/output_labels.txt \
--input_layer=Placeholder \
--output_layer=final_result \
--image=/images/dog.jpg

结果

roses 0.7626607
tulips 0.12247563
dandelion 0.071335025
sunflowers 0.028395686
daisy 0.0151329385

如何使用 TensorFlow 来扩展模型并添加一个额外的类，而不是创建一个仅包含新类的新模型？

Answer 1

您可以做的是将两个数据集合并在一起进行训练，或者将您正在重新训练的模型类保留在可能的类中，并将这些类的一些图像添加到数据集中，以便模型不会忘记它的内容已经学会了。