MobileNet 预训练模型 - 分类

Question

我目前正在使用一个预训练的 MobileNet 模型，该模型从一组 1000 个类别中对图像进行分类。 对于我的 IOS 应用程序，我只需要它来识别/分类场景中的一种类型的对象。 我如何训练模型，使其只对我需要的一个对象进行分类，但它做得非常好？

我是机器学习的新手，不熟悉迁移学习技术。 进行这种类型的训练会减少模型大小并使其更有效地识别我需要的一个对象吗？ 如果是，有哪些资源可以教我如何为我的目标继续训练这个预训练模型。

Answer 1

简而言之，您想将 1000 路分类器转换为二元分类器。 下面的答案假设您可以访问原始数据，并且您知道如何训练原始模型（即，您可以访问训练脚本）。 开始：

假设您只对单个类别 C 感兴趣，您希望首先将数据的所有实例 (x, C) 映射到 (x, 1) 并将所有其他实例 (x, not_C) 映射到 (x, 0)，然后在结果数据上训练模型（或者，如果训练脚本也接受模型的起点，则继续训练预训练模型）。

然后该模型将失去区分非 C 类的能力，并有望在区分 C 与非 C 实例方面变得更好。

注意：一种不太笨拙的方法是将模型实际限制为仅输出 0 或 1，并将目标更改为二进制 softmax。 但是，这需要对模型的架构进行一些操作，而您无需进行操作。