У меня есть сеть, вдохновленная YOLOv3, разработанная на python и Tensorflow, которая использует 9 якорей (по 3 якоря для каждого масштаба, т.е. 3 для крупномасштабного вывода, 3 для среднего и 3 для малого).
Я уже предварительно обучил модель на всех классах набора данных COCO, используя якоря, сгенерированные кластеризацией k-средних на данных обучения COCO.
Вопрос: если я хочу точно настроить эту сеть только на 1 классе в моем настраиваемом наборе данных ... должен ли я использовать те же якоря COCO, которые использовались во время предварительного обучения, или я должен снова генерировать новые якоря с помощью кластеризации K-средних намой собственный набор данных?
Могу ли я изменить количество якорей при точной настройке, т.е. можно ли увеличить количество якорей с 9 до 12 (4 якоря на шкалу)?Повлияет ли это на производительность моей модели, поскольку изначально она прошла предварительную подготовку на 3-х якорях, и будет ли правильным увеличение количества якорей, особенно на стадии тонкой настройки?
PS: Если бы кто-то мог объяснить, какую важную роль играют якорные ящики в обнаружении, это было бы здорово.Также существует ли какой-либо общий метод выбора якорных ячеек, кроме кластеризации K-средних?