不需要预训练模型中的一些现有类答案

【问题标题】：Don't need some existed classes in pre-trained models不需要预训练模型中的一些现有类
【发布时间】：2018-08-22 13:21:41
【问题描述】：

Tendorflow 对象检测。

我知道您可以在这里使用现有的预训练模型训练新课程：

但我只想检测“人”和“车”，这两个类已经存在，此外不需要培训。

但是，像'faster_rcnn_inception_v2_coco'这样的模型，它检测到90个类，对我来说运行太慢了。

有没有办法减少类，让检测运行得更快？

PS：我已将 COCO 数据集过滤为只有“人”和“汽车”的数据集，但是按照我搜索的常见步骤，我得到了不好的训练结果。我只能成功检测到“人”。漫游是什么原因。

【问题讨论】：

【解决方案1】：

自己解决了。如果你在coco中使用'person'或'car'，在预训练模型中id是1和3，不能改变。

在 .config 中，设置 'num_classes'=3，虽然你的类数是 2。

3 是为了适合 'car'-id。

（例如，如果你选择 2 个类，'person'=1，'truck'=8，你的 'num_classes' 应该是 8）

另外，请正确选择您的时代，您可以看到：http://neuralnetworksanddeeplearning.com/chap3.html

【讨论】：

您能否分享有关您的解决方案的更多见解？你最终是从头开始训练的吗？你的配置文件是什么？你最终得到了什么结果？我现在也遇到了同样的困境，非常感谢您的反馈。
改变类的数量，会影响准确性（我不知道多少），但它不会改变运行时间。运行时间仅受更改层数的影响！
不，更改类或过滤器不会提高任何性能，因为经过训练的模型已经设置为检测它所教的所有对象。要仅完全检测人和汽车，您必须训练模型以仅检测这 2 个类别。即使您不会发现很多性能差异，但这取决于模型。最重要的模型性能在于检测的多层操作。这就是为什么像 YOLO 这样的模型在低端设备上速度更快的原因。