أولا وقبل كل شيء عمل عظيم! لدي العديد من صور إشارات الاتجار التي تم تصنيفها في مجلدات تحمل أسماء من نوعها ، وأحتاج إلى معرفة كيف يمكنني إعداد صوري للتدريب يعني:
تدفق - نموذج cfg / tiny-yolo-voc-3c.cfg - حاوية تحميل / tiny-yolo-voc.weights - قطار - قطار التعليقات / التعليقات التوضيحية - قطار مجموعة البيانات / الصور
أم سيتم ذلك من خلال tiny-yolo-voc.weights؟
مرحبا ManojPabani
# Completely initialize yolo-new and train it with ADAM optimizer
flow --model cfg/yolo-new.cfg --train --trainer adam --annotation train/Annotations --dataset train/Images
مرحبًاmerryHunter
في الأمر الخاص بك ، هل ما زلنا بحاجة إلى وضع معامل التسمية (--label)؟
و
هل هناك أي اعتبار لعدد الصور الكافية لتمثيل فصل دراسي؟
مرحباnormansiboro
- Label بارام يجعل حياتك أسهل. من الأفضل دائمًا تحديد ملف مسار التسميات بشكل صريح ، حتى لا تربكهم. على وجه الخصوص ، بالنسبة لمجموعة البيانات الخاصة بك ، يجب عليك تغيير الفئات في labels.txt الافتراضية أو في المكان الذي تحدد فيه المسار.
بالنسبة للصور - يعتمد الكثير أيضًا على الشبكة وحجم الإدخال وجودة الصورة أيضًا. بشكل عام ، يمكنك إلقاء نظرة على عدد العينات التي يحتوي عليها Pascal VOC لكل فئة. أود أن أقول أنك ستحتاج إلى ما لا يقل عن 500 عينة مصنفة من أجل تعلم شيء ما.
مرحبًاmerryHunter
ماذا عن حجم الصورة؟
هل هناك حدود لحجم الصورة؟
أريد حقًا استخدام الاكتشاف لاكتشاف الأشياء التي تختلف قليلاً في اللون (الحجم تمامًا واللون مشابه تمامًا)
هل لا يزال بإمكاني استخدام YOLO لذلك؟ أو هل يعني ذلك أنني سأحتاج إلى الكثير من الصور لأنها مختلفة في اللون؟
احتاج الى نصيحة
التعليق الأكثر فائدة
مرحبًاmerryHunter
ماذا عن حجم الصورة؟
هل هناك حدود لحجم الصورة؟
أريد حقًا استخدام الاكتشاف لاكتشاف الأشياء التي تختلف قليلاً في اللون (الحجم تمامًا واللون مشابه تمامًا)
هل لا يزال بإمكاني استخدام YOLO لذلك؟ أو هل يعني ذلك أنني سأحتاج إلى الكثير من الصور لأنها مختلفة في اللون؟
احتاج الى نصيحة