Question

我使用darknet和yolov4为用例训练了一个自定义对象检测模型。我在obj.name文件中提到了3个类，如下所述：

# data/obj.names
no_helmet
helmet
vest

培训已完成，检测工作也取得了良好的结果。

现在，我想向模型中添加2个新类，所以我用2个新类名更新了类文件：

# data/obj.names
no_helmet
helmet
vest
fire
smoke

我对配置文件进行了更改，并为所有classes=3层及之前classes=5的{{1}}更新为filter=24，将filter=30更新为[yolo] }层。

对于数据集，我仅提供了两个新类（[convolutional]和fire）的图像和注释。

然后，我开始进行暗网训练，并为权重参数提供了旧的yolov4训练过的权重。完成后，我进行了测试，但未在图像中检测到任何东西。甚至老班级也没有。

我哪里出错了？

我的感觉是，由于我没有为较旧的类提供数据集，因此该模型忘记了这些。但是，那么它至少应该检测到新的类，对吗？还是我在这里错了？

新编辑：

我再次使用合并的数据集（旧的3个班级和2个新的班级）对预先训练的自定义权重（针对前3个班级进行了培训）进行了训练，当我将其用于测试时，仍然没有输出。 / p>

有人可以告诉我这是怎么回事吗？我在想它背后有一些我不知道的数学。

我每次都要从头开始训练吗？

Answer 1

您不能在经过训练的模型中插入新课程。当仅使用 fire 和 smoke 数据集进行训练时，您的配置未配置为2个类别，而是配置为5个类别。也许这就是为什么第二次考试什么都没得到的原因。

该模型不会忘记，但会使用该权重作为新模型的起点。只需再次训练包含所有标记类别的数据集即可。

Answer 2

根据YOLO训练中遵循的过程，任何进一步的训练都将增强和修改当前的图层，因此，如果您添加了新课程并进行了再培训，则将增强现有课程并从头开始创建新课程，这意味着并非所有课程在检测期间将相同。我认为最安全的方法是从头开始训练。