每个类别在训练YOLO时至少应该有多少张图片？

训练每个类别的图片数没有最小限制。当然，图片数量越少，模型收敛得越慢，准确性也会降低。

根据Alexey（流行的darknet分支和YOLO v4的创作者）介绍，提高物体检测精度的重要方法如下：

对于每个想要检测的物体，在训练数据集中必须至少有一个与其形状、大小、旋转角度、倾斜角度、亮度等相似的物体。因此，您的训练数据集最好包含具有不同尺度、旋转角度、光照、背景的物体图片 - 每个类别最好有2000张或更多的不同图片，并且需要进行2000*类别数次迭代训练。

https://github.com/AlexeyAB/darknet

因此，如果要获得最佳准确性，每个类别的最小图片数量应该是2000张。但是，每类别1000张也不错。即使每个类别只有几百张图片，仍然可以获得不错（但不是最佳）的结果。尽可能多地收集图片。