首先，我想对5000个图像中的“火灾”事件进行二进制分类。其次，如果图像中有火，则进一步对城市（建筑物）或农村（森林）进行分类。我正在将Transfer Learning与其他模型（包括VGG16）一起使用，并微调其最后几层。
我已经分别尝试通过训练和测试两个分类步骤来进行尝试，但是如果我确定该图像在农村地区发生了火灾，但该图像不包含火灾，则会造成很多损失。
我希望转移学习模型进行二进制分类，并产生两个步骤的结果，分别为：
img1乡村/城市火灾 1禁止起火禁止农村/禁止城市通行 2城市消防 3火乡
我能以某种方式对vgg16进行再培训吗？它提供了分类级别，即第一步（火灾/不火灾）和第二步（农村/城市）
答案 0 :(得分：0)
我找到了答案，将训练同一模型来对火的可用性进行二进制分类，并节省其重量。 在下一步中，可以将相同的权重用于第二步，以识别火灾是在农村地区还是城市地区。谢谢