YOLOv5での学習方法について

Question

YOLOv5で例えば犬と猫を検出したい時、
犬をクラス1、猫をクラス2として同時に学習させれば可能という認識なのですが、
同時ではなく別々に学習させたい場合、2つのモデルを1つにする方法、または2つのモデルで両方を同時に検出するような方法は存在するのでしょうか？

また、例えば画像100枚で学習をしたとして、
後から200枚で学習させたい時、一から200枚分の時間をかけて学習させるしかないのでしょうか？

曖昧な質問で申し訳ありません。詳しい方からすると常識なのかもしれませんが、教えていただければ幸いです。

Comments

[meg_]

> 同時ではなく別々に学習させたい場合
どういう場合か説明できますでしょうか？

[beginner5269]

例えば犬と猫を同時に検出したい時、最終的には犬と猫の両方を検出させたいのですが、両方を調整しながら学習していくのが面倒で煩わしいと感じました。仮に片方ずつ学習させることが出来るのなら、そちらの方がやりやすいかなと思った次第です。
複数人で作業する場合、片方に集中できた方が分かりやすそうというのもあります。
つまり「同時に学習させることも可能だが、別々に学習できるなら便利」ということです。

[meg_]

> 複数人で作業する場合
アノテーション作業のことを指しているのでしょうか？そうであればトータルでかかる時間は同じかと思います。

質問文を読み直していると「2つのモデル」を作成されるようですね。それぞれに特化したモデルを作成して検出力を上げたいというような意図でしょうか？

Answer 1

順番に回答させていただきます。

2つのモデルを1つにする方法、または2つのモデルで両方を同時に検出するような方法は存在するのでしょうか？

考えられる手法としては、アンサンブルなどが挙げられます。それぞれのモデルで猫、犬とされる確率等を出力し、そこから結果を出力します。ただ、これはソフトマックス関数などで行われている確率の比較と大して変わらないので、一つのモデルで行うのが無難かと思われます。

後から200枚で学習させたい時、一から200枚分の時間をかけて学習させるしかないのでしょうか？

こちらは、転移学習で可能です。一度100枚で学習させた後、その重みを保存しておきます。そして、その重みを初期値としてもう一度学習させることで、追加データを用いての学習が可能です。

Comments

[beginner5269]

転移学習の方についてですが、
・画像1~100を学習させ、その後画像101~200を学習させる
・画像1~200を学習させる
この2つで学習結果に違いは出るのでしょうか？

[pochi-pochi]

学習結果の違いは、タスクによって異なってきますので、一概には言えません。
精度の心配をされているようでしたら、問題になるほどの差は出ないと思います。
現状のデータに対して、どんどんデータを追加して学習させていきたい場合は、１から学習をさせるのは大変なので、転移学習を推奨します。

[beginner5269]

ありがとうございます。とても参考になりました。