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

  • ¥15 用matlab 设计一个不动点迭代法求解非线性方程组的代码
  • ¥15 牛顿斯科特系数表表示
  • ¥15 arduino 步进电机
  • ¥20 程序进入HardFault_Handler
  • ¥15 oracle集群安装出bug
  • ¥15 关于#python#的问题：自动化测试
  • ¥20 问题请教！vue项目关于Nginx配置nonce安全策略的问题
  • ¥15 教务系统账号被盗号如何追溯设备
  • ¥20 delta降尺度方法，未来数据怎么降尺度
  • ¥15 c# 使用NPOI快速将datatable数据导入excel中指定sheet，要求快速高效