初学神经网络关于图像语义分割的一些简单问题

Question

一个网络就算是一个训练模型吗？一个模型是只能对应一个数据集吗？简单点说就是，比如我这个程序已经可以比较好地对猫图做语义分割了，但是我还想让它对狗图，人图，杯子图也做语义分割，我能用其它的数据集来训练它吗？万一训练完了它对猫图的分割效果又变差了呢。我理解的就是，网络要自己确定自己的一组参数，权重和偏移什么的，这组参数会根据越来越多的训练一直在调整啊，万一给训练毁了呢，最后变成“什么都能分割但都不能分割得很好”的样子。。

以及，同一个网络在不同的数据集下的表现差距很大是正常的吗，一个数据集评估出来的mIoU有0.8，另一个却只有0.3，，问过其他的厉害的人，说是要新增类，是只要用新的数据集来训练就可以了吗？刚刚接触神经网络深度学习，非常小白，知识盲区有很多，感谢回答

Answer 1

网络是网络，训练模型是网络训练之后保存的网络参数。举个例子来说，A地到B地，网络只是告诉你说A到B有几条路，遇到什么情况该怎么走，比如堵车了该掉头还是等待之类的，是一个大体的范围。而模型就是告诉你路上的具体信息，哪里路段限速是多少，路上多少指示牌，每个指示牌在哪里等等。

第二个问题，一个模型对应一个数据集。这局话是有问题的，因为很多模型有很强的泛化能力的，就按照你说的语义分割网络，有些相近的东西它也能分割出来的。举个例子来说，你能对猫图很好的识别，那么这个网络可能对猫科都会有一定的识别效果，特别是像老虎幼崽这种的很容易就会被识别成猫，可以吧幼崽分割出来，但是结果就是告诉你这是猫。

然后就是你说的用其他数据集训练的问题。如果你是迁移学习的话，那么你的猫图识别还在的，但是如果是重新从头的话，那么需要把猫图加到训练集里面一起训练才行。

同一个网络在不同的数据集下的表现差距很大是正常的。像我上面说的猫科动物，如果你训练的是家猫，但是你用于分割大型猫科动物效果就会很差很差，如果是幼崽的话可能会好一点。如果是新增类，可以用迁移学习的方法训练下，迁移训练一般只会在头部和尾部改动一些，就能达到新增的效果。