我有点迷路了，我请求一些帮助，因为我不知道如何继续。
假设我有10000张图片，每张图片中都有一只猫和一只狗。
我可以把同一组图片留给两个不同的人吗？一个人做狗和一只猫的标签？然后训练N.net首先识别所有的狗，然后识别所有的猫？
恐怕答案是否定的。至少不能直接回答。这将是迁移学习，不是吗？
我想我也应该把狗和猫记在他们的课上，然后一次训练。
如果是这样的话。让我们想象一下，我已经训练网络识别狗和猫，而且它很有效。
现在我想添加对大象的识别。答案是迁移学习？还是我只是继续训练模型再增加一个班？
好吧，但不管答案如何，如果在新的10000张带有大象的图像中，但在它旁边，我也有一只狗或猫在同一张图像中-我可以不加标签地留下它们，否则会导致网络混乱(因为在这种情况下，它会检测到猫或狗，但由于没有标签，返回的信息将是检测到的狗或猫是不正确的(。
非常感谢您的帮助
如果您的图像包含猫和狗，并且您希望您的模型同时检测到它们，那么单独在狗身上训练，然后单独在猫身上训练会混淆您的模型。要么单独用狗/猫的照片训练，要么如果它们在同一张照片中，就给它们贴上标签。大象也是如此。
但是，如果您已经有了一个训练有素的模型，那么您可以使用它为新图像生成标签，并手动只标记模型遗漏的图像。这将使您的数据收集过程更容易。
我知道这个问题有点老了，但当我偶然发现这篇论文时，我也遇到了类似的问题：
https://arxiv.org/pdf/1904.00781.pdf
这是一篇名为《"RILOD:用于边缘处的对象检测的近实时增量学习">。就我读过的内容而言(我承认我没有时间完全阅读(，正如标题所示，这是一种实现实时对象检测增量学习的技术。
也许，如果你仍然有问题，或者有人(像我一样(在谷歌上搜索这个问题，它对你的需求很有用。