在一些 COCO 子类上重新训练 YOLOv9 并将迁移学习应用于包含 coco 中不存在的新类的自定义数据集

Question

我正在着手一个利用 YOLOv9 的项目，该项目最初是在 COCO 数据集的 80 个类上进行训练的。我的重点是车辆检测，特别针对四个类别：汽车、摩托车、公共汽车和卡车。我打算修改 YOLO 架构和 COCO 数据集设置以仅包含这四个类，而不是在 Python 代码中将它们过滤掉。我计划调整 coco.yaml 文件以重新定义类 ID，如下所示：

0：汽车 1：摩托车 2：巴士 3：卡车 以这种方式更改类 ID 是否会影响 COCO 数据集上预先存在的训练？如果此更改需要重新培训，您能否指导我完成必要的步骤？

此外，在调整 YOLOv9 以仅检测这四种车辆类别后，我的目标是从我准备的自定义数据集中合并一个新类别“货车”。该数据集包括原始的四个类别以及新的“van”类别。我希望在这个新数据集上重新训练 YOLOv9，而不丢失预训练的 COCO 权重。

您能否提供有关如何执行以下操作的详细步骤：

调整模型和数据集设置以对四个特定类别进行有针对性的再训练？ 整合并训练新类别，同时保留 COCO 预训练权重的有效性？ 我对这个领域很陌生，发现其中一些概念令人困惑。清晰、分步的指导将不胜感激！

预先感谢您的协助。

将 coco .yaml 更改为：

0：汽车 1：摩托车 2：巴士 3：卡车

---

在必要的文件中将 nc 变量更改为 4

---

准备好包含 4 个类 + 新类的自定义数据集

Answer 1

我看到您用

roboflow

标签标记了您的问题，所以我认为值得指出您可以通过 Roboflow 平台实现您所要求的目标。

如果您转到 Roboflow 应用程序 并在那里创建一个帐户（您可以注册免费试用版），您可以在那里创建一个

workspace

。创建

workspace

时，您可以选择项目类型（即

object detection

、

classification

、

instance segmentation

或

keypoint detection

）。如果您选择

object detection

，您将获得指定对象类别的选项（即我在那里完成了一个棋盘检测项目，我想检测像

white pawn

、

black pawn

等类别）。然后，您将上传照片并对其进行注释并训练您的模型 - 您将获得多个选项来选择基本模型。结果，我得到了一个模型，当对其执行推理时，我只得到了我在数据集上指定的类。

希望这有帮助！