向数据集Mscoco添加新类，对象检测tensorflow

Question

我想向coco数据集（90个类）中添加一个新类（例如：Handgun），以便检测91个不同的类。

我有这个：

数据集：关于手枪的300张图片

labelmap.pbtxt：

item {
    id: 1
    name: 'Handgun'
}

pipeline.config：

num_classes: 1
fine_tune_checkpoint: "/media/Shared/faster_rcnn_resnet101_coco_2018_01_28/model.ckpt"
from_detection_checkpoint: true
load_all_detection_checkpoint_vars: true

可能的解决方案：将num_classes: 1更改为num_classes: 90+1？

非常感谢您回答我。

Answer 1

不幸的是，您不能只增加一个班级，重新训练并能够识别所有91个班级。如果要对所有91个类别进行模型训练，请下载coco数据集，添加带有标签的自己的数据集，然后训练模型。另一种选择是仅使用一个类来重新训练第二个模型，并使用此新训练的第二个模型来推断一个类。您将不得不分别使用可用模型来推断其他90个类。您可以在以下文章中了解有关使用响应进行自定义对象检测的信息 Tensorflow real time object detection

Answer 2

你可以做到的一种方法是使用新的数据集和现有的数据集，比如 COCO 和俱乐部，创建一个新的训练记录，然后训练它