时间戳

首页 > 解决方案 > 对于 62 个类的对象检测模型，我应该采取多少训练样本？

tensorflow - 对于 62 个类的对象检测模型，我应该采取多少训练样本？

问题描述

我正在尝试使用https://github.com/wizyoung/YOLOv3_TensorFlow为 62 个类训练一个 YOLOv3 模型。

我应该为每个班级抽取多少个样本。我使用的是 Nvidia GTX 1050Ti GPU，那么每个 300*300 大小的图像的批量大小应该是多少？80-20 训练/测试拆分是否理想？

标签： tensorflowdeep-learningobject-detectionyolo

解决方案

80-20% 的 train-test(val) 拆分取决于样本的数量，而不是类的数量。您拥有的数据越多，train 和 test(val) 之间的差异百分比就越大（对于数百万个样本数据，您可以有 95%---5% 的拆分）

通常，每个对象至少（最少）数量为 200 个 bounding_boxes_annotations。也就是说，你的每个类至少应该有 200 个注解。

1050Ti 只有 4GB VRAM。根据您的 image_size，您可以增加或减少 batch_size。但是，考虑到您没有太多可用的 VRAM，很可能（如果您有 OOM 问题，请将其减少到 1）对于 300x300 的图像，batch_size 为 2 将是您可以达到的最大值。

推荐阅读