Google Cloud 上的内置图像对象检测中的对象标签 "from 0 to num_classes-1" 或从“1 到 num_classes”？
Object labels "from 0 to num_classes-1" or from "1 to num_classes" in built in image object detection on Google Cloud?
Googlebuilt-in object detection documentation/reference表示num_classes参数应设置如下：
E.g., for num_classes=5, the range of image/class/label in input tf.Example needs to be [0, 4].
然而，关于如何在对象检测中创建您自己的数据集的大多数其他资源（例如 here）API 世界说标签应该以 1 开头，即 5 类 它们应该是 [1,5]。
我的问题是：
参考文档中的示例是否正确，即我是否应该将[0,4]用于5 类？
这有关系吗，也就是说，这会破坏训练程序吗？
"built-in object detection" 算法在其他方面是否特殊，或者我可以按照“using your own dataset”函数来创建我的 TFrecord 文件吗？
标签似乎应该是 [1,5]。
文档已更改:)
查看更新后的 documnetation
在 --> 超参数 --> num_classes
Googlebuilt-in object detection documentation/reference表示num_classes参数应设置如下：
E.g., for num_classes=5, the range of image/class/label in input tf.Example needs to be [0, 4].
然而，关于如何在对象检测中创建您自己的数据集的大多数其他资源（例如 here）API 世界说标签应该以 1 开头，即 5 类 它们应该是 [1,5]。
我的问题是：
参考文档中的示例是否正确，即我是否应该将[0,4]用于5 类？
这有关系吗，也就是说，这会破坏训练程序吗？
"built-in object detection" 算法在其他方面是否特殊，或者我可以按照“using your own dataset”函数来创建我的 TFrecord 文件吗？
标签似乎应该是 [1,5]。 文档已更改:)
查看更新后的 documnetation 在 --> 超参数 --> num_classes