问使用coco训练的图像分类模型

EN

目标检测不同于图像分类。

目标检测算法是图像分类和目标定位的结合。它接受一幅图像作为输入，并生成一个或多个边界框，每个边界框上都附加了类标签。这些算法有足够的能力处理多类分类和定位，以及处理多次出现的对象。ref

但是，您可以使用coco数据集剥离每个本地化框并创建一个新的数据集，该数据集现在可以为您的图像分类器提供数据。为了实现这一点，您必须对coco数据集进行处理。

例如。如果你的数据集注释看起来像这样：(包含4个本地化的对象，如下所示)：

kite image_1.jpg

• 133,123，23，13，45，kite，kite，43,213，77，image_1.jpg

1. 133，13,413，73，鸟，image_2.jpg
2. 12,233,440，34，，树，image_1.jpg

您可以编写脚本将其转换为以下内容：

1. kite_123231345image_1.jpg
2. bird_1334521377image_1.jpg
3. bird_1331341373image_2.jpg
4. tree_1223344034image_1.jpg

并使用剪切框创建这些图像。

并使用此注释来训练您的分类器。我个人以前在cocodataset上做过这件事，并且给出了不错的精确度。