yolo3已经训练好了自己的模型，有30类，但准确度差了一些，可以重新添加一些图片训练吗？并不打算添加新的类。
2条回答 默认 最新
Bryce-Lin 2020-12-07 18:31关注就直接读取新的图片和旧的图片 然后读取你之前训练好的模型 再训练就可以了把
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报
分享
- 2021-12-22 12:43回答 1 已采纳 有两种做法。一种是在训练的时候加上 --resume这个参数,或者在代码里面将默认值改成True，然后将epoch在原来的基础之上加上600.如果这里报错： 直接将这里改成你上次训练停止的位置+1
- 2022-04-18 21:19回答 1 已采纳 有了模型可以移植，但是也要保证能加载成功这个模型，也就是还是需要一定的环境，不必要和训练时的环境一模一样 望采纳
- 2022-05-29 19:23回答 2 已采纳 看下这个视频教程 课程介绍：YOLOv5目标检测实战：Jetson Nano部署_哔哩哔哩_bilibili 本视频是课程《YOLOv5目标
- 2024-08-12 18:56楚灵魈的博客 讲解了YOLO模型的特点，以及YOLO数据集的构建和训练。
- 2022-11-18 11:42回答 2 已采纳 看下你的训练best的result.png这张图片，里面有一些绘制精度和loss，pr曲线图。另外，从你的数据集里面拿几张图片出来测试看下训练集的图片能不能找到，要是训练集的都找不到，说明你的网络基本
- 2022-11-28 08:14回答 2 已采纳 data/hyps/hpy.scartch.xxxx.yaml文件中有个fliplr这个超参数，不需要翻转的话改成0。如果改完之后还翻转，说明你改了增强了，utils/augmentations.py
- 2022-04-21 22:20回答 2 已采纳 一般来说用之前的权重文件当作预训练模型是有助于提高一些准确率的，前提条件是你的新数据对于旧数据集来说是新的数据分布（除非新数据和旧数据差不多，不然增加数据量可以增大数据分布区间的）
- 2024-11-21 22:56可能回忆掉进了大海的博客 模型训练相比预测，会稍稍麻烦一点，特别是构建自己的数据集用于目标检测，在数据集的处理上是需要耗费大量时间与耐心的，本文会带你从0到1构建、处理自己的数据集并用于YOLO11的模型训练与目标检测。
- 2022-04-11 22:50回答 1 已采纳 你改过model的配置文件没，coco128.yaml和你用的模型（假设你用的yolov5s）yolov5s.yaml 看你描述你应该是改过了，看看你模型目前能分多少类，如果只有2类，抱歉，只能全部重
- 2022-01-20 10:09回答 1 已采纳 看你需求，yolo是目标检测，mask rcnn是实例分割，目标检测和实例分割的区别可以看这张图 你要是只要知道有没有缺陷，缺陷大致位置的话直接上yolo，检测结果就是一个矩形框和一个类别。如果你要
- 2021-09-24 11:36回答 2 已采纳 影响就是1920x1080的图片在保持长宽比缩放（注意是长边缩放到640，短边不够的用0填充)到640x640的情况下，你的目标不会变成太小，原本5x5大小的物体缩放之后变成一个像素点之类的那肯定就有
- 2024-12-27 19:26迪菲赫尔曼的博客 《YOLO模型实验自动训练工具》 | 一次跑完所有改进，让每个人都实现改进YOLO实验 ！
- 2024-04-21 18:05在做深度学习的木子的博客 导包配置参数（采集类别）采集 图像数据集（导入一段视频可以按帧数分割成图片）import cv2import os# 检查输出文件夹是否存在，如果不存在则创建# 打开视频文件# 读取视频帧# 如果成功读取帧if ret:# 构造输出图像...
- 2024-12-22 22:36千天夜的博客 分布式训练是将模型训练的任务分配到多个计算节点上，通过并行计算加速训练过程。数据并行（Data Parallelism）：将数据切分成多个小批次（mini-batches），每个计算节点处理不同的数据，并同步更新模型参数。模型...
- 没有解决我的问题, 去提问
