YOLO训练200张图够吗,yolo一般训练多少轮

YOLO训练200张图够吗,yolo一般训练多少轮

训练一个类别时，至少要有200个正样本和200个负样本，效果比较好。当某个类别速度慢时，可以在数据集中添加该类别的一些点来训练识别文本。关闭mosic增强效果更好。实际上，每种物体大约两到三百张照片就足够了。需要注意的是，物体需要被遮挡在某些照片中，必须确保这些物体位于不同的地方。

YOLO是目标检测模型。 物体检测是计算机视觉中相对简单的任务，用于查找图片中的某些特定物体。物体检测不仅需要识别这些物体的类型，还需要标记这些物体的位置。 显示我总共标记了200张图片。相对来说，图片数量可能还不够，但可以看出当前模型可以正常识别一些浣熊。 例如，RocketRaccooninGuardiansoftheGalaxyraccoon.gif2020-12-29补充训练数据集

二至三百。 大约有几百张图片适合学习类别，具体取决于您的学习目标的难度。对于简单类别，200或300张差不多，对于更困难的类别，900或更多。 数据集图像的大小不需要一致。1.先尝试默认参数进行训练。2.图像数据必须足够，官方建议超过1500张。3.图像必须改变（时间、角度、光线、大小、不同相机等）4.物体必须准确标注，并尽量确保边界框与物体之间没有间隙。。

200个epoch的训练完成后，mAP@0.5可以达到99%，效果非常满意，非常佩服yolo的作者。 PyQt5实现了一个模型。该文章已被浏览191次。 如果用于训练深度学习模型，每个类别200张图像可能显得太小。 深度学习模型需要大量训练数据来学习和泛化，因此通常需要更多图像