创建自定义检测模型 - 图像对象检测

Posted 2023-03-12

【中文标题】创建自定义检测模型 - 图像对象检测

【英文标题】：Create custom detection model - Image Object Detection

【发布时间】：2020-02-12 11:02:31

【问题描述】：

我对图像/视频中的对象检测有一些疑问。

我成功地尝试了本教程： Train Object Detection AI with 6 lines of code

在本教程中，我们训练了一个模型来检测全息透镜。如果我想检测汽车，我需要训练一个新模型。

我的问题是：我可以使用我的实际模型（全息透镜）并让它检测全息透镜和汽车吗？

最后，我想要一个文件（模型）来检测我用来训练的所有对象。我将放置一个包含 'n' 个图像的目录，模型将尝试检测它经过训练以检测的所有内容，并返回检测到的对象的名称。

对不起，我的英语不好！

【参考方案1】：

是的，您可以在任意数量的对象类上训练您的模型。本教程基于 YOLOV3，它是最先进的对象检测模型之一，其速度足以在实时和视频中使用。在您提到的页面上，在 步骤 1 中，它解释了如何准备和注释您的数据集。您的数据可以包含许多类别的对象（如汽车、hololens 等），但您需要在训练之前设置此数字。此外，在注释步骤（为对象提供标签）中，您应该为对象分配正确的名称。

此页面上有一个链接，说明了如何准备您自己的数据： Object Detection Training — Preparing your custom dataset

如果数据已经准备好，请确保它是 Pascal Voc 格式，因为它必须与您使用的模型保持一致。最后，您只需要一个模型来检测各种对象。精度取决于迭代次数、每个类中对象的数量、对象的形状、大小、颜色、角度等的变化等等。

【讨论】：

所以你说我只需要在 Pascal Voc 中创建一个新数据，在第 3 步的代码中我将设置：object_names_array["cars"] |和 train_from_pretrained_model="my_model.h5"。在那之后，我会有一个可以检测全息透镜和汽车的新模型，对吧？

在你提到的链接里有解释：如果你的自定义数据集注解有多个对象，只需按照下面的示例设置值object_names_array = ["hololens", "google-glass", "oculus"]

嗯，所以在数组中我将只放置我的模型所具有的值。然后开始火车。在下一次，如果我想检测猫，我放入数组 ["hololens", "cars"] 并使用模型。我“永远”这样做......对吗？抱歉问了很多，我真的是菜鸟，但我每天都会阅读模式文章来学习这方面的知识。

不，你应该在训练之前把所有的对象名称放在数组中。如果你有两个对象类，你可以在训练之前放入数组["hololens", "cars"] 。稍后，如果您想添加另一个对象，您可以将此模型用作新对象的预训练模型；但是应该在训练之前定义对象。

很好！！谢谢你。我可以再做一个问题吗？这是最后一个！！我有检测全息透镜的模型，是否可以使用新的全息透镜图像再次训练该模型以改进检测？