如何在训练过的yolov模型中增加新的识别类

已于 2023-06-08 16:06:05 修改
阅读量4.9k 收藏 7
点赞数 3
文章标签： 深度学习 人工智能 目标检测
于 2023-06-08 15:24:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/suibianshen2012/article/details/131108647
版权
当需要在已有的3分类模型中增加一个类别时，可以考虑两种策略：一是对数据集进行微调，构建包含4个类别的新数据集，并调整epochs；二是如果模型支持更多类别，可以加载之前的权重进行训练。有观点认为应使用last.pt而不是best.pt，因为best可能不包含所有节点信息。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题描述：

比如目前训练了一个3分类的模型，现在根据业务需要，新增加1个类别，如何进行数据集的构建及训练？

方案：

1、对数据的权重对网络进行微调，构建包含3个类别的数据集进行微调训练，epochs不用设置得那么多了。

2、看你模型目前能分多少类，如果只有2类，抱歉，只能全部重新训练。如果还有没用的类别，可以再训练时加载上次的best.pt（或last.pt--具体哪个效果好，还没进行实验验证）就行。

【备注】

有博主提示：不能加载best，只能加载last，best里面没有节点信息

在YOLO中扩充新类别并且不影响旧类的识别精度
如果想成为中心，那么就到中心去吧。
03-25 385
让我们先从简单的部分开始：用我们的新类训练自定义 YOLOv8 模型。在本教程中，我们将向模型添加车牌类。我们将使用Roboflow 中的一个数据集。这个数据集有两个车牌类。在开始训练之前，我们还必须对库进行一些更改。为了节省时间，我还将本教程中我们将进行的更改转换为补丁该补丁包含多项更改，但大多数更改都用于指南的下一部分。if RANK!= -1:是的，我们将编写一个回调。我们希望将此自定义训练模型的头部与 COCO 预训练模型中的旧头部一起使用。
如何为已建立的yolo数据集增加新的检测项
m0_50880364的博客
10-14 1218
如何为已建立的yolo数据集增加新的检测项 在学习yolo时，新加一个检测项数据集，由于原本的数据集也包含了这个检测项，我居然傻傻的去原本数据集重新标注新的txt文件。 在之后的学习中学到了，可以找到已有的模型对我们的数据集进行检测保存txt，yolo中有个参数–save–txt（存储实验结果至txt文件， 类别+两个顶点坐标）用这个可以生成检测项的txt。然后再把生成的txt文件和原来的合并一下就好了。 因为要和自己设立的数据集的类别序号要相同 改前面类别标号的代码： #更改类别序号 import os
YOLO新增数据集类别，不需重新标注数据集
tank_6789的博客
02-23 5029
新增数据集类别
基于YOLOv11的分类模型的大分类区分小分类细分
最新发布
qq_51828120的博客
04-15 524
首先进入官方下载官方代码。https://github.com/ultralytics/ultralytics​终端打开： code /home/tony/桌面/csdn/ultralytics-main安装yolov11环境： 下载官方的预训练模型放入代码目录下。 图像分类 -Ultralytics YOLO 文档​开始制作数据集：我在百度上查找了10张铅笔，10张钢笔，10张尺子，10张橡皮。其中钢笔和铅笔划分为笔类制作数据集。我们要修改数据集名称：大分类+小分类，比如：bi_gangbi数据集
使用训练好的YOLOV5模型在已有XML标注文件中添加新类别
limengshi138392的博客
07-24 1241
使用训练好的YOLOV5模型在已有XML标注文件中添加新类别
YOLOv8如何在改进的模型上添加新的模块（纯干货教学）
xi125810的博客
04-24 6953
yolov8
在yolov5源码基础上修改，只识别一种类别
weixin_41796280的博客
09-26 3949
简单拓展yolov5
在YOLO2中增加自己的物体识别（二）
qprevf的博客
05-30 851
在上一篇在YOLO2中增加自己的物体识别（一）中我们已经得到了一个图像集，在你的Images/myobject目录下， 一个对该图像集的标注信息，在你的outpath目录下， 现在把这2个目录下的jpeg和txt文件合并到一个文件夹，我这里是放到darkne目录下的data\myobject目录下， 下一步我们就要配置YOLO来进行训练了。二、配置YOLOYOLO的配置主要为3个文件myobj.da
基于yolov5的垃圾分类识别
04-06
本项目是使用yolov5结合python语言进行四类垃圾（可回收垃圾、有害垃圾、厨余垃圾和其他垃圾）的模型训练以及准确识别，下载本项目解压使用pycharm打开，测试图片可放入data下的images文件夹，运行dect.py(本项目...
yolov5-安全帽识别模型-yolov5可以直接使用-节省好几天的训练时间
06-02
自己几千张照片训练的安全帽识别模型 模型分类：'hat', 'person' 测试效果：模型不算大，但是效果十分好。 文件中有best和last两个模型，推荐使用best.pt 后期还会训练更多的模型数据，欢迎关注。 注意：训练使用的...
yolov5算法人脸表情识别训练权重+训练数据集+pyqt界面
05-25
yolov5算法人脸表情识别训练权重， 包含人脸表情识别数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9、yolov10等算法可以直接进行训练模型，txt格式...
yolov8车牌检测车牌识别中文车牌识别检测支持12种中文车牌 支持双层车牌源码+模型+使用文档.zip
04-25
YOLO家族以实时目标检测著称，Yolov8在此基础上进一步优化了模型结构，提升了对小目标如车牌的检测能力，并且在处理多类目标，特别是中文车牌时，表现出色。YOLO模型采用单个神经网络同时预测边界框和类别概率，极大...
基于YOLOv8的牛羊识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的牛羊识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.91 类别：“sheep”，“cow” 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于...
YOLO如何训练分类网络？？？
samylee的博客
08-18 1万+
一般YOLO的工程应用直接上检测，源自作者提供了分类的预训练模型，但是如果自己改网络训练怎么办？预训练网络没有怎么办？熬到开！！！ 不怕，两种方法可以解决！ 第一种：比较笨的方法，就是下载imagenet数据训练分类网络！ 第二种：一层一层的改网路，每改一层，在原有预训练的条件下训练网络，生成新的模型时作为下一次修改网络的预训练模型！说的好像不是很清楚额，这个问题以后讨论！ 今天讨
Yolov5 + Deepsort 重新训练自己的数据（保姆级超详细）
热门推荐
weixin_53711236的博客
03-26 4万+
从下面github库中拿代码： https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorchhttps://github.com/mikel-brostrom/Yolov5_DeepSort_PytorchGitHub - Sharpiless/Yolov5-Deepsort: 最新版本yolov5+deepsort目标检测和追踪，能够显示目标类别，支持5.0版本可训练自己数据集最新版本yolov5+deepsort目标检测和追踪，能够显示目标类别，支
yolov8实现用已经训练好的模型去实现数据集的自动标注
weixin_73044854的博客
04-06 1834
yolov8实现用已经训练好的模型去实现数据集的自动标注。我们经常会遇到数据集的标注经别人帮忙后不知道标注是否好用或者又有新来的数据集需要标注。以上两种情况发生，我们可以实现用yolov8去实现数据集的自动标注`前提是已经训练出了一个模型哦`
使用YOLOV2框架进行分类预训练
xiaomifanhxx的博客
09-10 2945
我们经常使用YOLOV2做目标检测，在检测的时候进行分类，但我们只做分类的情况下，使用YOLOV2原框架会使得速度变得很慢，因此Darknet为我们提供了分类的模型。本文使用YOLO网络进行预训练，找到好的分类器。 具体参考：https://pjreddie.com/darknet/train-cifar/ 1.下载Darknet并进行编译 git clone https://github...
深度学习 — yolov5 自定义数据集训练
pentiumCM的博客
12-01 8732
文章目录深度学习笔记8 ---- yolov5迁移学习 深度学习笔记8 ---- yolov5迁移学习
YOLOv8训练好模型后，追加轮数继续训练、或者提前终止训练，缩减训练轮数
kiong_的博客
03-17 1万+
而且此教程适用的情况是你已经训练好了此模型，想继续追加一些轮数。比如训练进度是120/120，已经完成了，继续追加10轮，或者你原先定的是200轮，希望缩减到150轮，可以使用我说的这个方法。为什么缩减也要改一些东西呢？我直接不训练了不就可以了吗？这是因为没有训练完所有epoch，不会输出P、PR曲线等指标；或者说你不想一直盯着看，希望准确地缩减到某轮数，自动停止。如果你不需要追加训练，只想缩减训练，那么直接看这个博客即可：YOLOv8断点恢复、减少训练轮数、提前终止。这篇博客是本篇博客的一个子集。如果想追
YOLO11 在训练好的模型新增类别数据集训练
01-10
### 增量训练YOLOv11模型以支持新类别 对于已经在YOLOv11上完成初步训练的模型，如果希望向其中添加新的检测目标，则需要遵循特定流程来确保新增加的数据能够被有效学习而不破坏原有性能。 #### 准备工作 - **更新数据集配置文件**：假设当前使用的`data.yaml`定义了旧版本中的所有参数，在引入额外标签之前，应当先编辑此文件以便反映最新变化。具体来说，需调整`nc`字段至适当数值（代表总类别数），同时修改`names`列表以囊括全部名称[^1]。 ```yaml train: path/to/train/images/ val: path/to/validation/images/ nc: 12 # 新增后的总类别数量 names: ['person', 'bicycle', ..., 'new_category'] # 添加的新类别名位于最后 ``` - **整理扩展后的图像资源及其标注信息** - 收集团队成员穿戴安全帽场景下的照片作为补充素材； - 利用LabelImg或其他工具为上述图片打上精确边界框，并保存对应的`.txt`描述文档； #### 执行增量训练过程 为了使网络更好地适应新增项而不会遗忘先前习得的知识点，推荐采用迁移学习策略——即基于现有权重继续优化而非完全重置初始化状态。可以参照以下命令行指令启动新一轮迭代： ```bash yolo task=detect mode=train \ model=path_to_your_pretrained_model.pt \ epochs=additional_epochs_count \ batch=batch_size \ data=newly_updated_data_yaml_path \ freeze=[10,20] # 可选参数，冻结部分层有助于稳定微调效果 ``` 此处的关键在于指定恰当的学习率以及合理的epoch次数，这取决于实际应用场景的具体需求与硬件条件限制。另外值得注意的是，通过设置`freeze`选项可以选择性锁定某些卷积层不变，从而减少过拟合风险并加快收敛速度。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值