Tensorflow 每个类中的图像数

目前，我正在培训一个图像检测模型，我想知道每个类需要多少图像，每个对象的数量是否相同

我需要一些建议

我使用Tensorflow和Yolo v2模型

---

谢谢，

您需要尽可能多的训练，但如果您是从头开始训练网络的话，肯定需要数万的训练（有针对YOLOv2的预先训练重量训练） -）

最好有一个平衡的类，这意味着每个类的图像数量必须接近，这样训练更容易

---

你为什么要自己训练网络？你不能使用一些预先训练好的模型，去掉FC层，插入你自己的类吗？这样做速度更快，而且您不需要那么多图像。

因为现有的模型无法识别卡通图像，所以我需要一些关于如何正确定义数据集的建议，我想说的是，我使用了一个名为YOLO 9000的模型，该模型正在训练对象检测。您可以使用预先训练的卷积层（）。这些预训练模型中的分类是在最后一个完全连接的层中完成的，但卷积层用于提取抽象特征。您可以在末尾删除完全连接的层，然后添加两个未经训练的完全连接的层，这些层连接到卷积层的输出。下面是一个示例：。这些人使用预先训练过的InceptionV3模型（训练过各种各样的1.3M图像），连接他们的FC层，并应用这些模型将痣分为恶性和良性。网络做得很好：）