【目标检测】目标检测迁移学习\多任务学习实际操作问题记录_目标检测的多任务学习

作者：weixin_40725706 | 2024-07-17 13:23:52

踩

目标检测的多任务学习

【目标检测】目标检测迁移学习实际操作问题记录

1 迁移学习
2 多任务学习

近期利用YOLOv4模型，在kitti2D目标检测数据集上训练出来了一个mAP=48.19%的模型（top3类别mAP63.3%，性能还有很大提升空间），因课题组需求，要运用迁移学习技术在前面训练的基础上添加新类别数据再继续训练，目标是实现原有类别检测性能基本不下降，且能较好检测新类别。
所以，这篇笔记仅为记录训练调试过程，感谢以下所有内容贡献者。

在开始正确有效的迁移学习方案前，已经开始初步试探。冻结部分有参数迭代的层，进行训练。

冻结一半层，结果原来类别检测很差，新类别还行
只留下15层更新，结果反向优化了，o(╥﹏╥)o，mAP惨不忍赌

1 迁移学习

关于迁移学习的冻结层数的文章

迁移学习的主要分类（对应不同的冻结方式）

2 多任务学习

YOLOv4-MutipleTask for Pytorch

注：本笔记仅为记录调试学习过程，防止遗忘，部分内容参考网络资源。如有侵权，立即删除！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/weixin_40725706/article/detail/840142