Как переобучить Классификатор изображений новыми классами и сохранить старые классы

Question

Я пытаюсь создать классификатор изображений, который может определить, насколько вероятно, что изображение является изображением арбуза. Для этого я последовал примеру классификатора цветов: https://www.tensorflow.org/hub/tutorials/image_retrainin и обучил модель с помощью этой команды

python retrain.py --image_dir ~/flower_photos

Проблема, которую я обнаружил при испытании этого классификатора, заключается в том, что он классифицирует только новые классы, то есть классы цветов в данном случае. Поэтому, когда я попытался классифицировать изображение собаки (которое, как я знаю, присутствует в модуле «Начало»), оно классифицировало его как розу

python label_image.py \
--graph=/tmp/output_graph.pb --labels=/tmp/output_labels.txt \
--input_layer=Placeholder \
--output_layer=final_result \
--image=/images/dog.jpg

Результат

roses 0.7626607
tulips 0.12247563
dandelion 0.071335025
sunflowers 0.028395686
daisy 0.0151329385

Как я могу использовать TensorFlow для расширения модели дополнительным классом вместо создания новой модели только с новыми классами?

Answer 1

Что вы можете сделать, это соединить два набора данных и обучить их вместе или просто оставить классы модели, которую вы переучиваете, в возможных классах и добавить несколько изображений этих классов в набор данных только для того, чтобы модель не забыла, что это такое. уже выучил.