Я действительно новичок в обнаружении объектов с помощью Yolov3. Допустим, у меня есть 10 классов, и объем данных примерно одинаков. Достигну ли я лучшей средней точности, когда использую 10 моделей Yolo и обучаю их всегда с использованием данных только одного класса, или будет ли более высокая средняя точность, если у меня будет только одна модель, я буду тренировать ее с данными всех классов?
Для меня это трудно понять, потому что, с одной стороны, модель одного класса может сосредоточиться на обнаружении только характеристик одного класса, а с другой стороны, если я использую только одну модель, модель лучше учится различать guish между классами, верно?
Каково ваше мнение? И изменится ли это в случае несбалансированного количества изображений на класс? Если у меня есть 60000 изображений класса 1, но только 5000 из других 9 классов, то модель, которая пытается обнаружить все объекты, перейдет к классу 1, правильно? Так лучше ли в этом случае модели одного класса?
Спасибо за ваше мнение. Ура!