将“Tensorflow目标检测模块”中现有类添加到新类中

Question

我尝试在tensorflow对象检测模型的ms_coco_模型（有90个类）中添加一个新类，并运行相同的训练集。 我使用预先训练的模型检查点：“ssd_mobilenet_v1_coco_checkpoint”来加快训练步骤。在

我跟踪了博客https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9，这个工作非常完美。因为它只在.pbtxt文件中有1个类的raccoon数据集上运行训练步骤。 输出与预期一样，能够在给定的输入文件中“仅”检测浣熊。在

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。我遵循以下方法：

1. 将raccoon annotations.xml转换为.json格式（与ms_coco相同 数据集）
2. 将浣熊图像和注释添加到ms帴coco图像和注释文件中
3. 为训练步骤运行create_tfrecord脚本，为组合的ms_coco+racoon数据生成tfrecord
4. 更新了.pbtxt文件并添加了id为91的raccoon类
5. 使用预先培训的型号ssd_mobilenet_v1_coco_checkpoint开始培训步骤

但是，即使在进行了~2k步的训练之后，我也无法达到预期的效果。在

将新的类数据添加到现有的数据模型中，这种方法正确吗？ 我有什么遗漏吗？在