Question

我正在使用 fast-rcnn 并尝试为新类（标签）训练系统我遵循了这个：https://github.com/EdisonResearch/fast-rcnn/tree/master/help/train

放置图像
放置注释
使用所有图像名称前缀
准备选择性搜索输出：train.mat

运行train_net.py时失败，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？
我是否需要重新调整图像以进行修复：训练前为256x256？
我是否需要准备一些东西才能设置__background__类？

Answer 1

它表示存在boxes[:,2] < boxes[:, 0]，boxes[:, 2]是边界框的x-max，而boxes[:, 0]是x-min。所以问题与地区提案有关。我也遇到过这个问题。我发现这是溢出的原因。我记得盒子的dtype是np.uint8（需要检查），如果图片太大，你会收到这个错误。
rescale是一种解决方案，但这可能会影响性能。您可以将dint从uint8更改为float。
据我所知，没有必要这样做。

Answer 2

我迟到了，但是当我编辑代码时，这是我的解决方案的yakkity-hack

        for b in range(len(boxes)):
            if boxes[b][2] < boxes[b][0]:
                boxes[b][0] = 0
        assert (boxes[:, 2] >= boxes[:, 0]).all()

有更聪明的方法可以做到这一点，因为每个研究生似乎都指出了这一点，但这很好。

Answer 3

查看以下博客文章第4部分第4期中描述的解决方案。解决方案是翻转x1和x2坐标值。

https://huangying-zhan.github.io/2016/09/22/detection-faster-rcnn.html

从链接中复制以下内容：

框[：，0]＆gt;方框[：，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()

如何训练新的快速rcnn图像集

3 个答案: