Ios MobileNet预训练模型-分类

我目前正在使用一个预先训练过的MobileNet模型，该模型可以对1000个类别的图像进行分类。对于我的IOS应用程序，我只需要它来识别/分类场景中的一种类型的对象。我如何训练模型，使其只对我需要的一个对象进行分类，但分类效果非常好

---

我不熟悉机器学习，不熟悉迁移学习技术。进行这种类型的训练是否会减少模型的大小，并使其更有效地识别我需要的一个对象？如果是，有哪些资源可以教我如何继续为我的目标培训这个预先培训过的模型

简单地说，您希望将1000路分类器转换为二进制分类器。 下面的答案假设您可以访问原始数据，并且您知道如何训练原始模型（即，您可以访问训练脚本）。下面是：

假设您只对单个类别C感兴趣，您希望首先将数据的所有实例（x，C）映射到（x，1），并将所有其他实例（x，而不是_C）映射到（x，0），然后根据结果数据训练模型（或者，如果训练脚本也接受模型的起点，则继续训练预训练模型）

然后，该模型将失去区分非C类的能力，并有望更好地区分C和非C实例

---

注意：一种不太老练的方法是将模型实际限制为仅输出0或1，并将目标更改为二进制softmax。但是，这需要对模型的体系结构进行一些操作，而这是可以不用的。

如果您希望为一个对象训练一个极其精确的图像分类器，那么您最好构建一个为该对象定制的自定义模型？