这是一个创建于 239 天前的主题，其中的信息可能已经有所发展或是发生改变。
现在的任务大概如下： 提供图片，要求检测出属于猫、狗、人类或其他，并在此基础上，给出对象属于猫的什么种类，狗的种类等等。最后，将父类（一级标签）和子类（二级标签）一起返回。
图像识别算法不限，算力资源暂不考虑，检测时间尽可能快。
目前打算用 yolo v8 来实现，但是以前没接触过 CV 相关，看了文档 “二级标签” 也不知道咋整 +_+
我的想法是：给图片打同级双标签，不知道是否可行；一级标签过滤，二级标签再训练一遍感觉可行；只打一个标签，但是标签文本同时含有父类和子类，感觉也可行。
请各方大佬不吝赐教！
7 条回复 • 2024-04-25 09:48:34 +08:00
 |
1
DocHelper 239 天前  1
|
 |
2
flymemory 239 天前 via iPhone 1
如果一级父类不多，没有特别高的分类速度要求，可以先训练一个总的一级标签的模型，再分别训练各自的二级标签的模型，这通常来说是最稳的，yolov8 是个比较快上手的选择
|
 |
3
indexError 239 天前 via Android 1
检测到分类应该是固定的吧。
训练二级，手动把二级和一级组成字典。 |
 |
4
ktyang 239 天前 1
要我的话只训练二级，一级去数据库里查，一把梭看天命。不过训练两个模型也可以，也可以互相确认一下，但是结果不一致的时候的融合逻辑得想清楚。
|
 |
5
sonnyclarity492 OP @DocHelper 老哥不愧是 DcoHelper 待我研究研究
|
|
6
sonnyclarity492 OP |
|
7
DocHelper 238 天前
@sonnyclarity492 不过简单一点做就直接一个分类头+两个 loss
一个分类头估计所有二级标签的概率 第一个 loss 计算 二级标签分类的交叉熵 然后再把属于同一一级标签的所有二级标签的 logits 加起来 得到所有一级标签的 logits 在这之上再算一个交叉熵 |
Select Language