我正在尝试在张量流对象检测模型中向ms_coco_model（具有90个类）添加新类，并运行相同的训练集 . 我正在使用预先训练的模型检查点：“ssd_mobilenet_v1_coco_checkpoint”来加速训练步骤 .
我关注了博客https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9，这很有效 . 因为它仅在.pbtxt文件中具有1个类的浣熊数据集上运行训练步骤 . 输出与预期一致，能够检测给定输入文件中的浣熊"only" .
我想要实现的是，能够在给定的输入文件中检测浣熊以及其他对象 . 我按照以下方法：
-
将浣熊注释.xml转换为.json格式（与ms_coco数据集相同）
-
为ms_coco图像和注释文件添加了浣熊图像和注释
-
使用create_tfrecord脚本为组合的ms_coco浣熊数据生成tfrecord，用于训练步骤
-
更新了.pbtxt文件并添加了id为91的raccoon类
-
使用预先训练的模型ssd_mobilenet_v1_coco_checkpoint开始训练步骤
但即使经过约2k步的训练，我也无法达到预期的输出 .
这种方法是否正确，可以将新类数据添加到现有数据模型中？我在这里错过了吗？