我想重新训练物体检测器 Yolov4 以识别棋盘游戏 Ticket to Ride 的人物。在收集图片时,我正在寻找减少所需图片数量的想法。
我想知道图片中对象/类的更多实例是否意味着更多的“每张图片的训练”导致“我需要更少的图片”
这个对吗?如果不是,你能试着用简单的术语来解释吗?
我想重新训练物体检测器 Yolov4 以识别棋盘游戏 Ticket to Ride 的人物。在收集图片时,我正在寻找减少所需图片数量的想法。
我想知道图片中对象/类的更多实例是否意味着更多的“每张图片的训练”导致“我需要更少的图片”
这个对吗?如果不是,你能试着用简单的术语来解释吗?
在roboflow页面上,他们说 YOLOv4 将检测对象分为两部分:
简而言之,回归(分析)是一种分析方法,它试图找到相关的数据(您的案例中的图像)。另一方面,分类将上一步中的“有趣”图像转换为一个类别(即“火车”、“轨道”、“车站”或其他值得与其他部分分开的东西)。
现在,回答您的问题:“不,您需要更多图片。” 在拍摄更多照片时,YOLOv4 使用更多样本使/测试更准确的分类。但是,您必须小心要分类的内容。您确实希望算法从图像中提取“火车”类,而不是例如“海洋”类。为防止这种情况,请为您想要的课程制作更多(不同)图片!