首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >使用无意义的类预先训练模型是否重要?

使用无意义的类预先训练模型是否重要?
EN

Stack Overflow用户
提问于 2021-04-03 09:23:00
回答 1查看 40关注 0票数 0

如果我想训练一个对象分离模型,它可以检测图片中的5个类,那么在一个大的数据集中(例如coco(80类对象))对这个模型进行预训练是很重要的,还是只需要5类coco来训练这个模型(假设这5个类别可以在coco中找到)?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-04-04 05:13:07

如果您想要检测的5个类已经在MS数据集中,则有两个可能的选项。

  1. 使用在MS数据集上预先训练过的现有对象检测模型。如果检测结果令人满意,很棒,如果没有,您可以继续使用
  2. ,您可以在包含您感兴趣的类的数据上细化模型,基本上使用预先训练过的MS-COCO权重作为在包含这5个类(数据越多,越好)的数据上训练网络的起点。

现在,如果您希望检测的类不在原始的MS-COCO数据集中,那么在早期的卷积层中使用预先训练的MS权重(在80个类上进行培训,即使它们与您的类无关),然后在您的数据集中训练网络的检测层和更深层,您会得到更好的效果。这是因为低层次的特征(如边缘,气泡等)。网络学到的大部分知识将是所有课程的共同之处,并将大大加快培训的速度。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/66929506

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档