faster -rcnn 训练分成两步：
1. per-train 采用Image Net的数据集（1000类，一千万张图片）
2. fine-tuning 采用pascal voc _ 2007 （20类，一万张图片） 或其他数据集
问题：
如果我想训练另外一个数据集，例如做细胞检测，大概有三类，可不可以直接用第一步per-train的模型来进行初始化参数？如果不可以，大概需要多少张细胞图像做预训练？
可以，只要你特征空间选取的方式和维度之前的一样就行，但是这样做实际意义不是很大，因为决定模型训练的主要因素不是初始值，而你想做细胞检测已经属于另外一个问题了，前一个模型如果不是同样做细胞检测或其训练数据集及其分类结果与细胞检测完全没关系的话其训练参数在你的这个问题中已经失去意义。
至于你说的做预训练需要多少张细胞图像这个答案不在与具体多少张，而在于你能够提供多少训练数据，训练数据越多肯定精度越高，训练数据的多少只是决定了你训练得出的模型的预测精度而已。
肯定可以呀，你就是换了一总用法而已！
训练数据肯定是越多越好的！