图像识别求助！

[sonnyclarity492]

现在的任务大概如下： 提供图片，要求检测出属于猫、狗、人类或其他，并在此基础上，给出对象属于猫的什么种类，狗的种类等等。最后，将父类（一级标签）和子类（二级标签）一起返回。

图像识别算法不限，算力资源暂不考虑，检测时间尽可能快。

---

目前打算用 yolo v8 来实现，但是以前没接触过 CV 相关，看了文档 “二级标签” 也不知道咋整 +_+

我的想法是：给图片打同级双标签，不知道是否可行；一级标签过滤，二级标签再训练一遍感觉可行；只打一个标签，但是标签文本同时含有父类和子类，感觉也可行。

请各方大佬不吝赐教！

[DocHelper]

https://arxiv.org/pdf/2004.03459.pdf

[flymemory]

如果一级父类不多，没有特别高的分类速度要求，可以先训练一个总的一级标签的模型，再分别训练各自的二级标签的模型，这通常来说是最稳的，yolov8 是个比较快上手的选择

[indexError]

检测到分类应该是固定的吧。
训练二级，手动把二级和一级组成字典。

[ktyang]

要我的话只训练二级，一级去数据库里查，一把梭看天命。不过训练两个模型也可以，也可以互相确认一下，但是结果不一致的时候的融合逻辑得想清楚。

[sonnyclarity492]

@DocHelper 老哥不愧是 DcoHelper 待我研究研究

[sonnyclarity492]

@flymemory @ktyang @indexError
我现在准备先分二级标签梭哈，然后字典 map 。

一级标签有 20 个，二级有 180 个

[DocHelper]

@sonnyclarity492 不过简单一点做就直接一个分类头+两个 loss
一个分类头估计所有二级标签的概率
第一个 loss 计算 二级标签分类的交叉熵
然后再把属于同一一级标签的所有二级标签的 logits 加起来 得到所有一级标签的 logits 在这之上再算一个交叉熵