如何让已训练的myYolo.pt模型新增识别松鼠类别（无猫狗数据）

1. 搞定松鼠数据集 #

• 把手里的松鼠图片按YOLO格式标注：每张图对应一个.txt标签文件，松鼠的类别ID设为2（原模型里猫、狗是0和1）
• 划分训练、验证集，生成train.txt和val.txt，里面分别存对应图片的绝对路径
• 新建data.yaml文件，内容写成：

  train: ./train.txt
  val: ./val.txt
  names: ['cat', 'dog', 'squirrel']
  nc: 3
  

2. 调整模型配置文件 #

• 找到原模型对应的yaml配置（比如你用的是YOLOv8n，就找yolov8n.yaml），把里面的nc（类别数）从2改成3
• 加载已有的myYolo.pt权重，这时候模型会自动保留原有层的参数，只更新最后检测头的结构

3. 冻结旧层，只训新头 #

• 训练时要把原模型的backbone和neck层冻结住，不让它们的参数变动——比如YOLOv8里可以用freeze=20参数（具体层数看模型结构，一般冻结前20层就能保住猫狗的识别能力）
• 这样训练的时候就只更新新增的松鼠类别相关参数，不会把原来的猫狗识别能力搞崩

4. 启动微调训练 #

• 用YOLO的训练命令，指定自定义数据、修改后的配置和预训练权重：

  yolo detect train data=data.yaml model=myYolo.pt epochs=50 lr0=0.001 freeze=20
  

• 训练时盯着验证集的指标，确保猫狗的mAP没掉太多，同时松鼠的识别精度在提升

5. 验证后部署 #

• 找些松鼠图片测试识别效果，要是能凑到少量猫狗测试图也测下，确认原有功能正常
• 训练结束后保存新模型，替换原来的myYolo.pt就能直接用了

内容的提问来源于stack exchange，提问作者Jin Liu