实际上，在暗网 yolov3 模型中有 coco.names 文件用于包含 80 个类的标签。现在，如果我想训练一个只有两个标签的自定义模型，其中一个标签已经存在于 coco.names 中，而另一个标签不存在。
例如，我想训练一个模型来检测手机和单反相机，所以手机类已经存在于 coco.names 中，而单反相机不在其标签文件中。
那么我可以使用两类手机和数码单反相机训练自定义模型，并仅提供数码单反相机的数据进行训练，它将预测数码单反相机和手机，或者我应该使用手机和数码单反图像的数据进行训练，还是有任何其他出路。
我对 ML 有点陌生，所以任何帮助都会很棒谢谢
所以你想微调一个预训练的模型。您需要将类视为网络的一组末端节点，标签（电话、相机）只是它们的命名约定，并为我们提供视觉指导。
这些节点与网络的前一层完全连接（具有相关权重），这些中间连接的总数取决于您拥有的端节点（类）的数量。
使用完全训练的模型，您不能只选择您想要的节点，然后取出其余的，然后再添加一些。因为前一层（和整个网络）经过训练，可以在考虑到一定数量的最终节点的情况下给出估计/预测。
所以基本上你需要对最后一层（头部）进行完全重置，然后用所需数量的类重新启动它。这里的想法是，您可以利用之前在更广泛数据集上的训练工作，并将其微调到您想要的数据。
简短的回答，您需要两者的数据，并且需要将模型更改为仅接受 2 个类。
要为新数量的类和数据配置该特定模型，我相信您可以在此处找到一些指导和说明