問問題綜述

這些問題的根源都是faster-rcnn系列在處理生成pascal voc數(shù)據(jù)集時，為了使像素以0為起點，每個bbox的左上 右下坐標都減1,如果你的數(shù)據(jù)里有坐標為0，一般是x1或y1,這時x1 = 0-1 = 65535，就會出現(xiàn)下面的問題1，2。 # 代碼在$faster-rcnn-root/lib/datasets/pascal.py # Make pixel indexes 0-based x1 = float(bbox.find('xmin').text) - 1 y1 = float(bbox.find('ymin').text) - 1 x2 = float(bbox.find('xmax').text) - 1 y2 = float(bbox.find('ymax').text) - 1

• 1
• 2
• 3
• 4
• 5
• 6
• 7

問題1解釋

# 終端提示 File "/py-faster-rcnn/tools/../lib/datasets/imdb.py", line 112, in append_flipped_imagesassert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError

• 1
• 2
• 3
• 4

# $faster-rcnn-root/lib/datasets/imdb.py oldx1 = boxes[:, 0].copy() oldx2 = boxes[:, 2].copy() boxes[:, 0] = widths[i] - oldx2 - 1 boxes[:, 2] = widths[i] - oldx1 - 1 assert (boxes[:, 2] >= boxes[:, 0]).all()

• 1
• 2
• 3
• 4
• 5
• 6

問題綜述里說明過了如果你的坐標里有0，那么oldx1就會為65535，boxes[:, 2]就會小于boxes[:, 0]，assert就會Error

問題2解釋

訓練時loss偶爾出現(xiàn)nan(不是不收斂那種情況) # 網(wǎng)上很多教程說在 boxes[:, 2] = widths[i] - oldx1 - 1加下面代碼 # 但是治標不治本，只是在這里不提示錯誤了，但是你的x1還是65533，在計算loss時 # 就會出現(xiàn)很大偏差，出現(xiàn)nan的情況，為什么偶爾出現(xiàn)，因為你的數(shù)據(jù)里偶爾有0啊 哈哈哈 for b in range(len(boxes)):if boxes[b][2]< boxes[b][0]:boxes[b][0] = 0

• 1
• 2
• 3
• 4
• 5
• 6

最終解決方案

找到文章開頭說的根源所在 # 代碼在$faster-rcnn-root/lib/datasets/pascal.py # Make pixel indexes 0-based # 根據(jù)你的數(shù)據(jù)情況選擇減不減1，一般都是左上角的(x1,y1)可能為0 x1 = float(bbox.find('xmin').text) #- 1 注釋掉你數(shù)據(jù)里不能減1的地方 y1 = float(bbox.find('ymin').text) #- 1 x2 = float(bbox.find('xmax').text) - 1 y2 = float(bbox.find('ymax').text) - 1

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

來自爆米花好美踩過的坑 哈哈

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結(jié)

以上是生活随笔為你收集整理的faster-rcnn系列assert (boxes[:, 2] = boxes[:, 0]).all()和loss偶尔为nan的问题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。