Я тестирую ImageAI модели обнаружения объектов, такие как RetinaNet и YOLOv3 для наборов данных изображений. Но проблема в том, что эти модели поддерживают только 80 различных типов объектов, как показано ниже:
person, bicycle, car, motorcycle, airplane, bus, train, truck, boat, traffic light, fire hydrant, stop_sign,
parking meter, bench, bird, cat, dog, horse, sheep, cow, elephant, bear, zebra,
giraffe, backpack, umbrella, handbag, tie, suitcase, frisbee, skis, snowboard,
sports ball, kite, baseball bat, baseball glove, skateboard, surfboard, tennis racket,
bottle, wine glass, cup, fork, knife, spoon, bowl, banana, apple, sandwich, orange,
broccoli, carrot, hot dog, pizza, donot, cake, chair, couch, potted plant, bed,
dining table, toilet, tv, laptop, mouse, remote, keyboard, cell phone, microwave, oven,
toaster, sink, refrigerator, book, clock, vase, scissors, teddy bear, hair dryer, toothbrush.
- Объекты (преобразователи) в моем наборе данных отличаются от поддерживаемых выше объектов. Каков наилучший способ
create custom object detection models? - Если мне нужно создать собственный набор данных, сколько изображений достаточно, чтобы получить хорошую точность?
