Tensorflow Don'；不需要预先训练模型中的一些现有类

腱流目标检测

我知道你可以在这里用已有的预先训练过的模型来训练新的班级：

但我只想检测“person”和“car”，这两个类已经存在了，而且还存在 培训不是必需的

然而，像“更快的”rcnn“更快的开始”v2“coco”这样的模型，它检测到90个类，对我来说运行得太慢了

有没有办法减少类的数量，从而使检测运行得更快

---

PS：我已经将COCO数据集过滤为一个只有“person”和“car”的数据集，但按照我在谷歌上搜索的常见步骤，我得到了糟糕的训练结果。我只能成功地检测到“person”。想一想原因是什么。

我自己解决了。如果在COCO中使用“person”或“car”，在预先训练的模型中id是1和3，这是无法更改的

在.config中，设置'num_classes'=3，尽管您的类num是2

3是为了安装“汽车”——id

（例如，如果您选择2个类，'person'=1，'truck'=8，则您的'num_classes'应为8）

---

另外，请正确选择您的时代，您可以看到：

您能分享更多关于您的解决方案的见解吗？你是从零开始训练的吗？你的配置文件是什么？你最终得到了什么结果？我现在也在经历同样的困境，非常感谢你的反馈。改变课程数量会影响准确性（我不知道有多大），但不会改变运行时间。运行时间仅受更改层数的影响！不，更改类或过滤器不会提高任何性能，因为经过训练的模型已经设置为检测所有它已被教导的对象。要完全只检测人和车，您必须训练模型只检测这两类。尽管您不会发现有太大的性能差异，但这取决于型号。最重要的模型性能取决于检测的多层操作。这就是为什么像YOLO这样的机型在低端设备上速度更快。