我已经使用here找到的fast-rcnn模型成功地训练了对象检测模型。
我大致（从概念上）理解了如何通过将训练数据的30％用作评估的“基本事实”来创建训练与评估数据集。我还精通使用检查点和保存/导出模型作为优化培训的起点。
在我的数据集中（仅2个类别）-其中一个类别的出现率大约为95％，而其他类别很少出现在视频中。这导致了一个模型可以很好地检测到1类，但是它的置信度检测低，或者对于2类完全没有检测。
我正在创建一个表示第2类的数据集，以提高训练水平，但是总的来说，当我迭代模型时，如何使用现有数据集？我担心的是，如果替换训练或评估数据集，我的模型将忘记如何检测第1类。
我是否只将更多图像添加到训练/评估中？我是否完全替换此迭代的训练集，而只是向eval添加一个块？