感流训练误差

Question

我试图在另一个基于pascal格式的数据集中运行faster_rcnn。但这就是训练的结果：

​

​

在警告之后，如下面所示，损失值都转到nan

proposal_layer_tf.py:150: RuntimeWarning:在greater_equal keep = np.where((ws >= min_size) & (hs >= min_size)中遇到的无效值)

这是proposal_layer_tf.py第146-151行：

def _filter_boxes(boxes, min_size):
    """Remove all boxes with any side smaller than min_size."""
    ws = boxes[:, 2] - boxes[:, 0] + 1
    hs = boxes[:, 3] - boxes[:, 1] + 1
    keep = np.where((ws >= min_size) & (hs >= min_size))[0]
return keep

正如您所看到的，总损失值正在以一种奇怪的方式发生变化，在警告之后，它变成nan。我能做些什么才能补救呢？

(gpu: Geforce 940米)

Answer 1

这个问题很可能是由您的注释引起的。在更快的RCNN实现中，当它们将边界框加载到数据帧中时，它们会通过x1,y1,x2,y2减去坐标1，使其基于0。在我的例子中，我创建了自己的xml注释，它们已经基于0。因此，如果我运行默认速度更快的ran实现，从1中减去0将导致一个下流错误。所以去掉减法解决了我的问题。

您可以删除pascal_voc.py中的减法或编辑注释，使其基于1。如果您选择编辑pascal_voc.py文件，请转到以下位置：

def _load_pascal_annotation(self, index):

    # ...
    # ...
    # ...

    # Load object bounding boxes into a data frame.
    for ix, obj in enumerate(objs):
        bbox = obj.find('bndbox')
        # Make pixel indexes 0-based
        x1 = float(bbox.find('xmin').text) #- 1 <- comment these out
        y1 = float(bbox.find('ymin').text) #- 1
        x2 = float(bbox.find('xmax').text) #- 1
        y2 = float(bbox.find('ymax').text) #- 1

    # ...
    # ...
    # ...