Computer vision YLO或一般情况下的增量学习

我有点迷路了，我请求一些帮助，因为我不知道如何继续下去

假设我有10000张图片，每张图片中有一只猫和一只狗

我能把同一组图片留给两个不同的人吗？一个给狗贴标签，一个给猫贴标签？然后训练网络先识别所有的狗，然后再识别所有的猫

恐怕答案是否定的，至少不是直接的。这将是转移学习，不是吗

我想我也应该在他们的课上给狗和猫打上标记，然后马上训练

如果是的话。让我们想象一下，我已经训练了网络来识别狗和猫，并且它可以工作

现在我想添加对大象的识别。这里的答案是迁移学习？或者我只是继续增加一节课

好的，但不管答案是什么，如果在新的10000张大象图片中，但在它旁边，我在同一张图片中也有一只狗或猫-我可以让它们没有标签，否则会导致网络混乱（因为在这种情况下，它会检测到猫或狗，但由于返回信息中没有标签，因此狗或猫的检测是不正确的）

---

非常感谢您的帮助

如果您的图像包含猫和狗，并且您希望您的模型同时检测到它们，那么单独在狗身上训练，然后单独在猫身上训练将混淆您的模型。如果狗/猫在同一图像中，则可以单独使用它们的图片进行训练，或者为它们贴上标签。大象也是如此

---

但是，如果您已经有一个训练有素的模型，那么您可以使用它为新图像生成标签，并仅手动标记模型丢失的图像。这将使您的数据收集过程更容易。

如果您的图像包含猫和狗，并且您希望您的模型同时检测到它们，则可以单独对狗进行训练，然后再进行训练在猫身上单独训练会混淆你的模型。或者单独训练狗/猫的图片，或者如果它们在同一张图片中，就给它们贴上标签。大象也是这样

但是如果你已经有了一个训练有素的模型，那么你可以用它来为新图像生成标签，并且只手动标记模型丢失的图像。这将使你的数据收集过程更容易