Популярные модели классификации изображений можно рассматривать как экстрактор сверточных признаков и классификатор вверху. Нижняя часть возьмет ваше изображение [208, 208, 3] и превратит его в столбец из 2048 функций [1,1,2048] (все числа только для примера). После этого обычно следует классификатор softmax. Классификатор - это полностью связанный слой, который будет иметь по одному нейрону для каждого класса объектов. Если у вас 1000 классов, у него будет 1000 * (2048 + 1) параметров. Обратите внимание, что только классификатор зависит от количества классов.
Выполняя переносное обучение, In обычно отбрасывает существующий слой классификатора и повторно обучает его с нуля. Если экстрактор функций также обучен, это называется точной настройкой. При переобучении классификатора вы можете выбрать произвольное количество классов, которые будут использоваться.
Короче: вы можете перенести обучение на любое новое количество классов объектов.