machine-learning - YoloV5 自定义再训练

Question

我在 yoloV5s 模型中训练了我的自定义数据集，我的推理准确率达到了 80%。现在我需要通过添加更多图像和标签来提高准确性。

我的问题是，我已经训练了 10,000 多个标签以达到 80%，我花了 7 个小时。我是否需要将旧的 10,000 多个数据包含在我的新数据中，而新数据只有 1000 来训练和提高我的准确性？

即使我添加了一个新类，有什么方法可以只包含新数据来重新训练模型？

如何节省时间和空间？

Answer 1

您要问的问题是主题持续学习，这是当今一个活跃的研究领域。由于您需要向模型添加更多类，因此您需要使用以前的数据添加新类并从头开始重新训练模型。如果你不这样做，即你只在新类上训练，你的模型将完全忘记以前的数据（学习特征）；这种遗忘被称为灾难性遗忘。

许多人提出了各种避免这种灾难性遗忘的方法；我个人认为，渐进式神经网络对遗忘具有很强的免疫力。除此之外，您可以在此处找到其他方法

正如我告诉你的，这是目前一个非常活跃的研究领域。没有万无一失的解决方案。目前，最好的方法是将新数据添加到以前的数据中并重新训练您的模型。