独特图像上的 YOLO 与 Inception答案

【问题标题】：YOLO vs Inception on unique images独特图像上的 YOLO 与 Inception
【发布时间】：2018-11-17 09:19:18
【问题描述】：

我有在我的工作场所使用的独特产品的图片。我无法想象初始数据库已经有类似的项目，它已经被训练过。

我尝试使用 YOLO 训练模型。这花了很长时间。时期之间可能有 7 分钟；由于数据量小，我想做 1000 个 epoch。

我在 1.0 GPU 上使用 tiny-yolov2-voc cfg/weight。我有一个项目的视频，但我把它分成框架，这样我就可以注释了。然后我尝试在图像（不是视频）上进行训练。产品与医疗保健相关。基本上医院会使用的任何东西。

我还对从 Google 获得的图像使用了 inception 方法。我注意到 inception 方法非常快并且可以产生准确的预测。但是，我担心我的图像太独特而无法正常工作。

哪种方法最好用？

如果您推荐YOLO，能否请您提供如何加快训练阶段的建议？

如果您推荐 inception，您能否解释一下为什么它适用于独特的图像？我想我很难理解 inception 如何知道我正在尝试训练哪个项目，而无需我提供注释。

提前致谢

【问题讨论】：

请在您的问题中添加详细信息，例如您是否安装了暗网或 COCO，以及您使用的是哪个版本的 YOLO？它在 CPU 或 GPU 上运行？你训练单个图像或视频？添加任何有用的东西。了解您的特殊产品的性质也可能会有所帮助。谢谢！
谢谢大卫。我现在添加了一些细节。另外，我很确定它的暗网。这是我使用的 github repo 的链接。 github.com/thtrieu/darkflow

标签： tensorflow yolo

【解决方案1】：

只是我的印象（没有推荐甚至相关经验）

查看与darknet 相关的Hardware recommendations，假设您可能会储备自己的硬件以获得更快的结果。
我阅读了YOLO 的当前三个不同版本，并希望如果您下载推荐的文件，其中包含很多 GFLOPS 培训，但如果这些模型不适合您的产品，那么它们对您来说可能永远不会很有帮助。
我必须承认我既不活跃于YOLO 也不活跃于Tensorflow，所以我的印象可能根本没有帮助。
如果您看到YOLO 的一些视频，您可能会注意到有时骆驼被贴上了马标签，并且准确性似乎很差，但这取决于应用于图像的阈值，因此视频看起来很棒，因为似乎识别是完成得如此之快但准确性更高，过程会减慢 - 也取决于训练有素的动机。
他们从不隐藏它，他们在一张图像上解释说，狗被标记为牛，马被标记为羊 (Version 2)，结合暗网它变得更快但也不太准确，所以暗网的使用是一个重要方面也是。
YOLO 的网站上关于细节的信息似乎很糟糕，他们呈现的更像是你对流行歌星所做的，相比之下，Tensorflow 的网站看起来更学术，并且正在告知框架背后的数学。
关于Tensorflow 我不知道硬件建议，但是当你写你的结果很有用时，可能它们有点甚至更少。
我的印象是YOLO 主要用于（实时）视频中的实时检测，并且需要大量培训才能获得高精度。因此，根据您的用例，它可能是正确的，但您可能会为专业用途投资硬件。
这不是反对Tensorflow 的意见，但我必须进行更多验证，而且似乎需要更多时间才能获得印象。关于Tensorflow，目前我什至不能说它是否可以用于实时检测，它的准确性如何，以及结果是否仍然优于YOLO。

我的假设是，关于这两种解决方案，这涉及到所涉及的元素（例如决定是否包含暗网以提高速度）、配置、培训和调整。可能总有一些东西需要提高速度和准确性，因此投资识别系统不会是时间线固定的静态过程，而是一个稳定的过程。

这只是我印象的简短概述，我从未使用过任何识别软件，并且几乎不建议您根据我的话做出任何决定。
如果您想使用任何专业的识别软件，尤其是实时识别，那么您可能必须投资硬件。

【讨论】：

【解决方案2】：

根据我对您的问题的理解，您需要具备识别独特图像的能力。在这种情况下，您可以在初始模型上使用迁移学习。通过迁移学习，您仍然可以在保留之前的 inception 知识的同时训练自己的图片。

更多关于transfer-learning

【讨论】：