我想重新训练对象检测器Yolov4，以识别棋盘游戏Ticket to Ride的图形。在收集图片时，我正在寻找一个减少所需图片数量的想法。
我想知道图片中对象/类的更多实例是否意味着更多的"类"；按图片训练"；这导致"；我需要更少的照片&"；
这是正确的吗？如果不能，你能试着简单地解释一下吗？
在roboflow页面上，他们说YOLOv4将检测对象分为两部分：
- 回归，通过边界框识别对象定位
- classification将对象分类
简而言之，回归(分析(是一种分析方法，试图找到相关的数据(在您的情况下是图像(。另一方面，分类将前一步中的"有趣"图像转换为一个类(即"火车部件"、"轨道"、"车站"或其他值得与其他图像分离的东西(。
现在，为了回答你的问题："不，你需要更多的照片。"当拍摄更多的照片时，YOLOv4使用更多的样本来进行更准确的分类。然而，你必须小心你想要分类的东西。您确实希望该算法从图像中提取"火车"类，但不希望提取"海洋"类。为了防止这种情况，请制作更多(不同的(你想要的课程图片！