Ash*_*dho 10 object-detection conv-neural-network yolo
我正在尝试在我的自定义数据集上实现 YOLOv2。每个班级是否有最少数量的图像要求？
gam*_*n67 13
每个班级没有用于训练的最少图像。当然，您拥有的数字越小，模型就会收敛得越慢，准确度就会越低。
根据 Alexey 的（流行的分叉暗网和 YOLO v4 的创建者）的说法，重要的是如何改进对象检测：
对于您要检测的每个对象 - 训练数据集中必须至少有 1 个类似的对象，它们大致相同：形状、对象侧面、相对大小、旋转角度、倾斜度、照明度。非常理想的是，您的训练数据集包含具有不同对象的图像：比例、旋转、照明、来自不同侧面、不同背景的图像 - 您最好为每个类或更多类拥有2000 个不同的图像，并且您应该训练2000*个类迭代或更多
https://github.com/AlexeyAB/darknet
所以我认为如果你想获得最佳精度，每个类应该至少有 2000 张图像。但是每班1000也不错。即使每个类有数百张图像，您仍然可以获得不错的（不是最佳的）结果。只需收集尽可能多的图像即可。