jbwang97 2018-10-08 12:33 采纳率: 66.7%
浏览 3824

关于深度学习图片数据集的建立

本人想建立自己的数据集,用来训练YOLO(VGG16作为基础)网络
要分的类别有4种(人,汽车,自行车,摩托车)
网络不是重新开始训练,是通过网上已经训练过的参数再进行fine
这样的要求需要数据库中有多少张照片?训练集,测试集照片的比应该是多少?每一个类别对象的个数最少多少
感谢各位回答!!!

  • 写回答

1条回答 默认 最新

  • threenewbee 2018-10-08 12:37
    关注

    当然是数据量越大越好,这种深层的神经网络,数据量少了根本学不动。每个分类起码10万以上,分辨率不用太高。
    训练集和测试集一般是8:2

    评论

报告相同问题?

悬赏问题

  • ¥100 高价邀请复制 域天d8联网狗
  • ¥15 本题的答案是不是有问题
  • ¥15 关于#r语言#的问题:(svydesign)为什么在一个大的数据集中抽取了一个小数据集
  • ¥15 C++使用Gunplot
  • ¥15 这个电路是如何实现路灯控制器的,原理是什么,怎么求解灯亮起后熄灭的时间如图?
  • ¥15 matlab数字图像处理频率域滤波
  • ¥15 在abaqus做了二维正交切削模型,给刀具添加了超声振动条件后输出切削力为什么比普通切削增大这么多
  • ¥15 ELGamal和paillier计算效率谁快?
  • ¥15 蓝桥杯单片机第十三届第一场,整点继电器吸合,5s后断开出现了问题
  • ¥15 file converter 转换格式失败 报错 Error marking filters as finished,如何解决?