我最近遇到了这个用于学习张量流对象检测的链接 https://www.youtube.com/watch?v=Rgpfk6eYxJA&t=993s 但是我很少有疑问，并希望有关如何继续的建议。 1）我应该如何使用相同的模型训练不同的物体（我的意思是，如果我想训练猫，狗作为物体，我的数据集应包含什么。 2）一旦我为狗训练它，然后继续训练汽车将模型检测狗？
答案 0 :(得分：0)
您的数据集应包含您希望检测的每个对象（类）的大量示例。听起来你误解了训练过程，假设你按顺序训练每一类物体，这是不正确的。当您训练模型时，您将在所有类中随机抽取一批样本（例如，可能为64个样本）。
同时对所有或许多类进行训练是有道理的，你有一个模型必须在所有类上同样表现良好。因此，当您训练模型时，您可以根据随机选择的类计算参数的误差，并将每个更新步骤的误差平均化，从而产生一个跨类执行良好的模型。
请注意，遇到类不平衡问题很常见。如果您只有少量的猫样本，以及数百万只狗的样本，您将不成比例地惩罚网络将狗误分类为猫，并且网络将始终预测狗对冲其赌注。理想情况下，每个类的数据平衡大致相等，如果没有，有很多书籍和教程可以解决这个问题。