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

  • 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 delta降尺度计算的一些细节，有偿
  • ¥15 Arduino红外遥控代码有问题
  • ¥15 数值计算离散正交多项式
  • ¥30 数值计算均差系数编程
  • ¥15 redis-full-check比较 两个集群的数据出错
  • ¥15 Matlab编程问题
  • ¥15 训练的多模态特征融合模型准确度很低怎么办
  • ¥15 kylin启动报错log4j类冲突
  • ¥15 超声波模块测距控制点灯，灯的闪烁很不稳定，经过调试发现测的距离偏大
  • ¥15 import arcpy出现importing _arcgisscripting 找不到相关程序