Python 如何在darknet的预训练yolov4模型上训练新课程

我使用darknet和yolov4为我的用例训练了一个自定义对象检测模型。我在obj.name文件中提到了3个类，如下所述：

# data/obj.names
no_helmet
helmet
vest

培训已经完成，检测工作也取得了良好的效果

现在，我想向模型中添加2个新类，因此我用2个新类名更新了类文件：

# data/obj.names
no_helmet
helmet
vest
fire
smoke

我对配置文件进行了更改，并将所有

[yolo]

层和之前的

[卷积]

层的

classes=3

更新为

classes=5

，将

filter=24

更新为

filter=30

对于数据集，我只提供了两个新类（

fire

和

smoke

）的图像和注释

然后我开始了黑暗训练，对于权重参数，我提供了我以前的yolov4训练权重。完成后，我运行了测试，但在图像中没有检测到任何东西。即使是旧的班级也不行

我哪里出错了

我的感觉是，因为我没有为旧类提供数据集，所以模型忘记了这些。但是，它至少应该检测到新的类，对吗？还是我错了

新编辑：

我再次使用组合数据集（旧的3个类和2个新类）对预先训练的自定义权重（前3个类的训练）进行训练，当我运行它进行测试时，仍然没有输出

有人能给我解释一下这是怎么回事吗？我在想它背后有一些我不知道的数学

---

我每次都必须从头开始训练吗？

你不能在训练过的模型中插入新的类。 当您仅使用火和烟数据集进行训练时，您的配置没有针对2个类进行配置，而是针对5个类进行配置。也许这就是为什么你在第二次测试中什么都没得到

---

模型不会忘记，但会使用该重量作为新模型的起点。只需使用包含标记的所有类别的数据集再次训练。

根据YOLO在训练中遵循的过程，任何进一步的训练都将增强和修改当前的层，因此如果您添加了新类并重新训练，您将增强现有类并从头开始创建新类，这意味着在检测过程中并非所有类都相同。我认为最安全的方法是从头开始训练。

谢谢，@Rafael。我做到了，现在正在训练。完成后我会继续发布。你能看看这篇文章的新编辑和帮助吗？检查你的.cfg、.data和.names文件。然后打开5 labels.txt（每个类别一个），检查是否在那里找到所有标签号（0到4）。最后，从头开始用5节课再次训练（不要使用经过训练的自定义模型）。我已经训练了一个包含64个类别的yolov4模型，我认为这不是一个数学问题。