Yolo Network v3 を使用して、既にデータを持っている 5 つのカスタム オブジェクト クラスを検出するとします。そこで、これらのクラスのトレーニング データを使用して、トレーニング済みの重みで yolo ネットワークを再トレーニングします。
次にケースを想像してください。
しばらくして、モデルに別のクラスを追加したいと思います。ここで、モデルのアーキテクチャを変更する必要があるため、5 + 1 クラスすべてでモデルを再トレーニングする必要がありますよね?
この状況を避けるために、最初にクラスの最大数を 20 としましょう。そのため、20 クラスの Yolo アーキテクチャを構築し、データが利用可能な最初の 5 クラスでトレーニングします。新しいクラスのデータが利用可能であれば、確率的勾配降下法をオンライン学習に使用してモデルをトレーニングし、新しいクラスを検出します。
ここに私の質問があります：
- モデルは最初に 5 つのクラスを正しく学習し、他の 15 のクラスからのデータはありませんか?
- 確率的勾配降下によって新しいクラスを少しずつ学習することは可能ですか?
- 私の問題を処理する他の便利な方法はありますか?
アドバイスをありがとう！