AWS SageMaker已训练目标检测模型新增类别技术咨询

问题1：是否可基于原有模型新增检测类别？ #

完全可以。AWS SageMaker内置的目标检测算法（比如Faster R-CNN、YOLO系列）支持通过迁移学习+增量训练的方式，基于已训练好的罐子检测模型新增塑料瓶类别。你只需在训练时加载原有模型的权重作为预训练权重，调整模型输出层以适配新增类别，再开展训练即可。这种方式比从零训练效率更高，还能保留原有模型对罐子的识别能力。

问题2：新训练集是否需同时标注两类？ #

不需要在塑料瓶数据集里强制标注罐子，但要注意训练数据的搭配：

• 如果你有现成的罐子标注数据集（原训练集）和塑料瓶标注数据集，训练时直接将两类数据混合输入模型即可。
• 若只有新的塑料瓶标注数据，也可以用它结合原有模型训练，但为了避免模型遗忘罐子的识别能力，建议在训练过程中混入一部分原罐子标注数据（即混合训练），以此避免灾难性遗忘。
• 总结：新数据集可以只标注塑料瓶，但训练时最好搭配一定比例的原罐子标注数据，这样既能学好新类别，又不会丢失旧类别的识别能力。

内容的提问来源于stack exchange，提问作者Giuliano