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!!!
关于深度学习图片数据集的建立
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
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解决 无用评论 打赏 举报
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