Neural network 使用无意义的类预先训练模型是否重要？
如果我想训练一个可以在图片中检测5类的对象检测模型，那么在像coco（80类对象）这样的大型数据集中预训练该模型很重要吗，或者只需要5类coco来预训练该模型（假设在coco中可以找到这5类对象）？如果要检测的5个类已经在MS-COCO数据集中，则有两个可能的选项Neural network 使用无意义的类预先训练模型是否重要？,neural-network,object-detection,pre-trained-model,Neural Network,Object Detection,Pre Trained Model,如果我想训练一个可以在图片中检测5类的对象检测模型，那么在像coco（80类对象）这样的大型数据集中预训练该模型很重要吗，或者只需要5类coco来预训练该模型（假设在coco中可以找到这5类对象）？如果要检测的5个类已经在MS-COCO数据集中，则有两个可能的选项 使用MS-COCO数据集上预训练的现有对象检测模型。如果检测结果令人满意，很好，您可以继续使用它 如果没有，您可以根据包含您感兴趣的类别的数据对模型进行微调，基本上使用预先训练的MS-COCO权重作为起点，以您的数据（包括这5个类别）
现在，如果您希望检测的类不在原始MS-COCO数据集中，那么在早期卷积层中使用预训练的MS-COCO权重（在80个类上进行训练，即使它们与您的类不相关），然后在数据集中训练检测和更深层次的网络，您将获得更好的效果。这是因为网络学习到的低级功能（如边缘、斑点等）在所有课程中都很常见，并将大大加快培训速度谢谢你的回答，我问了我的前辈，得到了与你相同的答案