我有一个预训练的 YOLOv7-base(不是很小)pt 文件,但我无权访问用于训练它的数据集。
我想提高某些类别的性能(检测和置信度),例如“人类”和“汽车”,以及以下附加要求:
以下是我到目前为止所遵循的(大体上)步骤:
训练后,之前检测到的对象(在测试集图像中)现在被模型遗漏了。我应该采取哪些额外步骤来满足我的要求?
感谢您对我的询问感兴趣。
问候。:)
训练后,之前检测到的对象(在测试集图像中)现在被模型遗漏了。
我假设这与“人类”和“汽车”之外的类别有关。这是预期的行为,因为仅向模型提供两个类别将不可避免地导致对这两个类别的偏见。
我认为仅在两个类别上进行训练时性能不可能出现 0 下降,但您可以尝试冻结某些层以减少性能影响。当您有一个不代表真实分布的小数据集时,在微调过程中通常会使用冻结图层。也许这适合你的情况。您可以在这篇有用的文章
中阅读有关冻结层的更多信息