machine-learning - 墙壁损坏检测
问题描述
我打算使用YOLOv5和我的自定义图像数据集 (125)创建一个实时墙壁损坏检测器 [划痕、裂缝] 。
- 您认为我可以进行迁移学习还是因为 coco 数据集类不相似而无法进行?
- 你认为我需要增加数据集的大小吗?
现在我只是想做一个概念证明。想提前计划好我的步骤。
解决方案
如果您的数据集很小(就像您的情况一样),与从头开始训练相比,迁移学习几乎总能提供更好的结果。至于你的第二个问题,是的。您获得的数据越多,您的模型将能够更好地学习和执行。考虑到这是一项与 Yolo-V5 最初训练的任务相对不同的任务,尝试获取尽可能多的图像
推荐阅读
- python - 我已经制作了一些代码来为 ascii 艺术的多行 RLE 进行 rle 压缩,但解码器无法解码多行代码
- php - Blogger v3 api post image with cotenet with php
- regex - 将纯文本推文转换为包含超链接
- amazon-web-services - Dynatrace 增加了额外的 90MB
- regex - 熊猫提取具有可选模式的子字符串
- python - 根据另一个字段的值对 Django 模型添加约束
- google-cloud-platform - 我们可以在 Google IoT Core 上创建的注册表和设备数量?
- c# - .NET Core 如何覆盖/扩展 IdentityUserRole 和 IdentityUserClaim
- html - 如何将超链接(a)标签的宽度拉伸到全宽
- unity3d - Unity API 将游戏内货币转换为真实货币并赠送给玩家