如何用新类重新训练图像分类器并保留旧类

Question

我正在尝试制作一个图像分类器，它可以识别图像是西瓜图像的可能性有多大。为此，我遵循了这里的花朵分类器示例：https://www.tensorflow.org/hub/tutorials/image_retrainin，并使用以下命令训练模型

python retrain.py --image_dir ~/flower_photos

当我尝试这个分类器时，我发现的问题是它只在新的类中进行分类，也就是本例中的花类。因此，当我尝试对一只狗的图像进行分类时(我知道它存在于Inception模块中)，它将其分类为玫瑰

python label_image.py \
--graph=/tmp/output_graph.pb --labels=/tmp/output_labels.txt \
--input_layer=Placeholder \
--output_layer=final_result \
--image=/images/dog.jpg

结果

roses 0.7626607
tulips 0.12247563
dandelion 0.071335025
sunflowers 0.028395686
daisy 0.0151329385

我如何使用TensorFlow用一个额外的类来扩展模型，而不是只用新的类创建一个新的模型？

Answer 1

您可以做的是连接两个数据集并一起训练它们，或者只是将您正在重新训练的模型类留在可能的类中，并将这些类的一些图像添加到数据集中，以便模型不会忘记它已经学到的东西。