如何训练新的fast-rcnn镜像集
如何训练新的fast-rcnn镜像集
提问于 2015-06-23 22:22:07
我正在使用fast-rcnn，并尝试训练系统以适应新的类(标签)。我遵循了以下内容：https://github.com/EdisonResearch/fast-rcnn/tree/master/help/train
- 放置了图像，
- 放置了注释
- 准备了所有图像名称的ImageSet选择性搜索输出: train.mat
运行train_net.py时I失败，出现以下错误：
./tools/train_net.py --gpu 0 --solver models/VGG_1024_pascal2007/solver.prototxt --imdb voc_2007_train_top_5000
Called with args: Namespace(cfg_file=None, gpu_id=0, imdb_name='voc_2007_train_top_5000', max_iters=40000, pretrained_model=None, randomize=False, solver='models/VGG_1024_pascal2007/solver.prototxt') Using config: {'DEDUP_BOXES': 0.0625, 'EPS': 1e-14, 'EXP_DIR': 'default', 'PIXEL_MEANS': array([[[ 102.9801, 115.9465, 122.7717]]]), 'RNG_SEED': 3, 'ROOT_DIR': '/home/hagay/fast-rcnn', 'TEST': {'BBOX_REG': True,
'MAX_SIZE': 1000,
'NMS': 0.3,
'SCALES': [600],
'SVM': False}, 'TRAIN': {'BATCH_SIZE': 128,
'BBOX_REG': True,
'BBOX_THRESH': 0.5,
'BG_THRESH_HI': 0.5,
'BG_THRESH_LO': 0.1,
'FG_FRACTION': 0.25,
'FG_THRESH': 0.5,
'IMS_PER_BATCH': 2,
'MAX_SIZE': 1000,
'SCALES': [600],
'SNAPSHOT_INFIX': '',
'SNAPSHOT_ITERS': 10000,
'USE_FLIPPED': True,
'USE_PREFETCH': False}} Loaded dataset `voc_2007_train` for training Appending horizontally-flipped training examples... voc_2007_train gt roidb loaded from /home/hagay/fast-rcnn/data/cache/voc_2007_train_gt_roidb.pkl /usr/local/lib/python2.7/dist-packages/numpy/core/fromnumeric.py:2507: VisibleDeprecationWarning: `rank` is deprecated; use the `ndim` attribute or function instead. To find the rank of a matrix see `numpy.linalg.matrix_rank`. VisibleDeprecationWarning) wrote ss roidb to /home/hagay/fast-rcnn/data/cache/voc_2007_train_selective_search_IJCV_top_5000_roidb.pkl Traceback (most recent call last): File "./tools/train_net.py", line 80, in <module>
roidb = get_training_roidb(imdb) File "/home/hagay/fast-rcnn/tools/../lib/fast_rcnn/train.py", line 107, in get_training_roidb
imdb.append_flipped_images() File "/home/hagay/fast-rcnn/tools/../lib/datasets/imdb.py", line 104, in append_flipped_images
assert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError我的问题是：
- 为什么会出现此错误？
- 在训练之前，我是否需要重新缩放图像以修复: 256x256？
- 为了设置
__background__类，我是否需要准备一些东西？
回答 3
Stack Overflow用户
发布于 2015-07-24 14:47:30
- 它说存在
boxes[:,2] < boxes[:, 0]，boxes[:, 2]是包围盒的x-max，而boxes[:, 0]是x-min。因此，这个问题与区域提议有关。我也遇到了这个问题。我发现它是由溢出引起的。我记得盒子的数据类型是np.uint8(需要检查)，如果图像太大，你会得到这个错误。 - rescale是一种解决方案，但是这可能会影响性能。您可以将数据类型从uint8更改为float。
- 据我所知，没有必要这样做。
Stack Overflow用户
发布于 2015-07-28 21:43:08
我来晚了，但当我在编辑代码的时候，这是我的解决方案
for b in range(len(boxes)):
if boxes[b][2] < boxes[b][0]:
boxes[b][0] = 0
assert (boxes[:, 2] >= boxes[:, 0]).all()正如每个研究生似乎都指出的那样，有更聪明的方法来做到这一点，但这种方法效果很好。
Stack Overflow用户
发布于 2017-09-15 20:34:32
查看下面的博客文章，第4部分，第4期中描述的解决方案。解决方案是反转x1和x2坐标值。
https://huangying-zhan.github.io/2016/09/22/detection-faster-rcnn.html
下面是从link复制的：
box:，0> box :，2
解决方案:在imdb.py中添加以下代码块
def append_flipped_images(self):
num_images = self.num_images
widths = self._get_widths()
for i in xrange(num_images):
boxes = self.roidb[i]['boxes'].copy()
oldx1 = boxes[:, 0].copy()
oldx2 = boxes[:, 2].copy()
boxes[:, 0] = widths[i] - oldx2
boxes[:, 2] = widths[i] - oldx1
for b in range(len(boxes)):
if boxes[b][2] < boxes[b][0]:
boxes[b][0]=0
assert (boxes[:, 2] >= boxes[:, 0]).all()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31005463
复制相关文章
相似问题