每个课程中应有多少张（最少）图像用于训练YOLO？

Question

我正在尝试在自定义数据集上实现YOLOv2。每个课程都需要最少数量的图像吗？

Answer 1

每个班级没有用于培训的最低图像。当然，您的数字越小，模型收敛速度越慢，准确度也将较低。

根据阿列克谢（流行的叉状暗网）的说法，如何改善物体检测的重要意义在于：

  

对于每个要检测的对象，必须至少有1个   训练数据集中的相似对象，形状大致相同：   物体的侧面，相对大小，旋转角度，倾斜度，照明度。   理想的是您的训练数据集包括图像的对象   不同的：比例，旋转，照明，从不同侧面，在   不同的背景-您最好将 2000   每个班级或更多班级的图片，并且您应该训练 2000 *班级   迭代或更多

https://github.com/AlexeyAB/darknet

因此，我想如果要获得最佳精度，则每班至少应有2000张图像。但是每堂课也不错1000。即使每个类别有数百张图像，您仍然可以获得不错的（不是最佳的）结果。只要收集尽可能多的图像即可。

Answer 2

要视情况而定。

客观上，每个课程至少要有一张图片。原则上，如果使用数据增强策略并微调预训练的YOLO网络，则可能会有些精确。

然而，客观现实是，根据您的问题，您每班可能需要多达1000张图像。