Object detection 我可以继续从决赛开始训练吗？重量和更多的训练和测试图像？

我用darknet yolov3训练我的自定义对象检测，直到平均损失降低到0.06，但现在我想用更多训练和测试图像来训练它（可能也会删除一些图像文件）。我可以执行这些步骤并继续使用final.weights文件进行训练吗？或者我应该从头开始训练吗？

是的，您可以使用当前训练的模型（.weights文件）作为新训练课程的预训练模型。例如，如果使用，可以通过以下命令训练模型：

darknet.exe探测器序列数据/obj.data yolo-obj.cfg darknet53.conv.74

其中

darknet53.conv.74

是预先训练的模型

在新的培训课程中，您可以添加或删除图像。但是，基本配置应该是正确的（如类的数量等）

根据我提到的页面：

在原始存储库中 权重文件仅每10000次迭代保存一次

---

打开.cfg，找到

max\u批次

代码可能在22行，设置较大的值：

最大批次=500200

最大批数与转换迭代相同

---

如果继续，您需要指定更多的纪元。例如，如果您训练到300/300，那么resume也将训练到300（从300开始），除非您指定更多的时间

---

python train.py--resume

您可以从以前保存的自定义模型权重恢复训练
使用“yolov3_custom_last.weights”代替预先训练的默认权重
如果在恢复过程中发现一些问题，请尝试更改批大小

---

这将起作用，并使用新的图像集恢复模型训练：）

如果您刚刚修改了数据集，但对更改模型体系结构不感兴趣，则可以使用中的DarkNet直接从先前保存的模型恢复。比如说,

darknet.exe detector train cfg/obj.data cfg/yolov3.cfg yolov3_weights_last.weights -clear -map

---

clear

标志将重置保存在权重中的迭代次数，这适用于数据集更改的情况。这是因为学习速度通常取决于迭代次数，您可能不想更改配置。

还有一个问题：）我使用了yolov3配置，其中宽度和高度为416，大多数情况下我使用700x700+图像进行训练，效果良好，但当我的对象在网络摄像头上变小时，中等距离后，检测变得不可能。为了更好地检测小物体：我应该用小物体训练大尺寸图像还是用大物体图形训练小尺寸图像。您认为呢？最好在YOLOV3配置文件中增加宽度和高度416（例如，增加到832）。你还可以做其他事情。也许我能帮上忙。