训练多类目标检测器（YOLOv4）
我想在 5 个类别上训练我的 YOLOv4 检测器[Person,Car,Motorcycle,Bus,Truck]。我使用了大约 2000 张图像进行训练，使用 500 张图像进行验证。 我使用的数据集来自OID或来自COCO。
主要问题是，当训练结束时，检测器每次只能在图像中找到一个类别。例如，如果车里有人，则它仅返回 Car 或 Person 边界框检测。
我看到每个图像上的 .txt 注释仅适用于一个类。 我自己注释 10,000 张图像是很困难的。
所有教程通常只检测图像中的一类。
关于如何在所有 5 个类别上训练我的模型有什么想法吗？
I want to train my YOLOv4 detector on 5 classes [Person,Car,Motorcycle,Bus,Truck]. I used around 2000 images for training and 500 for validation.
The dataset I used is from OID or from COCO.
The main problem is that, when the training is over, the detector finds only one class in the image every time. For example, if it's a human in a car, it returns only the Car or the Person bounding box detection.
I saw that the .txt annotation on every image is only for one class.
It's difficult to annotate by myself 10.000 images.
All the tutorials usually detect only one class in the image.
Any ideas on how to train my model on all 5 classes?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
我终于找到了解决方案。
问题是 OID 数据集下载具有特定类别的图像，例如人、汽车等。Louis
Lac 提到我必须在具有所有相关类别的数据集上训练我的模型
i finally found the solution.
The problem was that OID dataset downloads images with one specific class, like person, car etc.
AS Louis Lac mentioned i must train my model on dataset with all relevant classes