自定义数据训练模型

Question

我正在尝试在自定义数据集上尝试对象检测模型。我想让它识别出我车库中的一块特定金属。我拍了32张照片并贴了标签。培训进行得很好，但损失高达10％。之后，它运行非常缓慢，因此我需要停止它。在那之后，我在相机上实现了模型，但是它没有准确性。可能是因为我只有32个对象的图像吗？我已经尝试过使用YoloV2和Faster RCNN。

Answer 1

由于只有32张图像，因此实现到摄像机的模型不准确的可能性很小。
无论如何，在您损失大约10％（准确度大约为90％）之前，它应该可以正常工作
我认为问题不在于图像的数量。
训练模型后，您需要保存训练模型的系数。
确保您已实施受过模型训练的模型，而不是从头开始使用模型

Answer 2

仅加标签将无助于物体检测。您正在做的是图像分类，但是期望有物体检测的结果。

对象检测需要边界框注释和损失函数的更改，损失函数将在每个反向传播步骤中馈送到模型中。

您首先需要一些工具来进行数据注释，然后再使用您的Yolov2 / Fast-RCNN代码以及损失函数。对其进行良好的训练，并尝试使用“图像增强”来生成更多图像，因为少了32张图像。在这种情况下，您可能会陷入一个陷阱，那就是要获得更高的培训准确性，而要降低测试准确性。用较少的图像训练模型有时会导致意外的过拟合。

只有这样，您才应该尝试使用相机来实现。