Сколько изображений (минимум) должно быть в каждом классе для обучения YOLO?

Question

Я пытаюсь реализовать YOLOv2 в моем собственном наборе данных. Требуется ли минимальное количество изображений для каждого класса?

Answer 1

Не существует минимального количества изображений в классе для обучения. Конечно, чем меньше число, тем медленнее сходится модель, а точность будет низкой.

Что важно, по мнению Алексея (популярная разветвленная даркнет), как улучшить обнаружение объектов:

Для каждого объекта, который вы хотите обнаружить - должно быть не менее 1 похожий объект в наборе данных обучения с примерно одинаковыми: форма, сторона объекта, относительный размер, угол поворота, угол наклона, освещенность. Настолько желательно, чтобы ваш учебный набор данных включал изображения с объектами в diffrent: весы, повороты, освещение, с разных сторон, на разные фоны - желательно иметь 2000 разные изображения для каждого класса или более, и вы должны обучать 2000 * классов итерации или больше

https://github.com/AlexeyAB/darknet

Так что я думаю, что вы должны иметь минимум 2000 изображений на класс, если вы хотите получить оптимальную точность. Но 1000 на класс тоже неплохо. Даже с сотнями изображений на класс вы можете получить достойный (не оптимальный) результат. Просто соберите как можно больше изображений.

Answer 2

Это зависит.

Существует объективный минимум одного изображения на класс.В принципе, это может работать с некоторой точностью, если использовать стратегии увеличения данных и тонкую настройку предварительно обученной сети YOLO.

Однако объективная реальность такова, что вам может потребоваться до 1000 изображений на класс,в зависимости от вашей проблемы.