Python 创建自定义对象检测模型

我正在为图像数据集测试对象检测模型，如

RetinaNet

和

YOLOv3

。但问题是，这些模型仅支持80种不同类型的对象，如下所示：

person,  bicycle,  car, motorcycle, airplane, bus, train,  truck,  boat,  traffic light,  fire hydrant, stop_sign,
parking meter,   bench,   bird,   cat,   dog,   horse,   sheep,   cow,   elephant,   bear,   zebra,
giraffe,   backpack,   umbrella,   handbag,   tie,   suitcase,   frisbee,   skis,   snowboard,
sports ball,   kite,   baseball bat,   baseball glove,   skateboard,   surfboard,   tennis racket,
bottle,   wine glass,   cup,   fork,   knife,   spoon,   bowl,   banana,   apple,   sandwich,   orange,
broccoli,   carrot,   hot dog,   pizza,   donot,   cake,   chair,   couch,   potted plant,   bed,
dining table,   toilet,   tv,   laptop,   mouse,   remote,   keyboard,   cell phone,   microwave,   oven,
toaster,   sink,   refrigerator,   book,   clock,   vase,   scissors,   teddy bear,   hair dryer,   toothbrush.

• 我的数据集中的对象（转换器）与上述支持的对象不同。创建自定义对象检测模型的最佳方法是什么
• 如果我需要创建自己的数据集，有多少图像足以获得良好的精度

---

按照此处提到的步骤操作：

---

这将是一个良好的开端

许多人希望通过自定义对象检测来实现这一点。如果你想直接使用自己的GPU硬件，安装TensorFlow并自己管理一切，Nandu Raj的答案是一个很好的资源

但是，如果您需要服务，我建议您使用我开发的产品，IBM Watson Visual Recognition。它是一种基于云的服务，不需要机器学习专业知识或硬件。您可以使用Watson Studio来训练您自己的私人模型，方法是在50幅图像中围绕您关心的对象绘制框，然后单击“训练”按钮。当然，所需的示例数量会因您想要查找的对象类型而异

不过，您可以很快开始，比如标记20幅图像，然后单击train。沃森将尽最大努力，在15-20分钟内训练一名模特。然后，您可以使用自动标签功能使初步模型为未标记的图像提供建议框。这样，您的任务就更容易了，您只需更正任何没有意义的框，然后单击“重新训练”

这里有一个基于乐高人的演示：如果您想让它旋转一下，请不要错过到示例数据的GitHub链接

每月可免费使用多达1000张图片-注册“Lite”计划：

使用Studio的GUI视频演示：

---

如果您喜欢使用curl或pythonsdk，请从这里开始：

这个怎么样：？ImageAI项目对我当前的任务非常有用。谢谢你的信息