Python 自定义数据集上的rcnn训练期间出现警告
在自定义数据集上按照Python 自定义数据集上的rcnn训练期间出现警告,python,computer-vision,deep-learning,caffe,object-detection,Python,Computer Vision,Deep Learning,Caffe,Object Detection,在自定义数据集上按照 x1 = float(bbox.find('xmin').text) y1 = float(bbox.find('ymin').text) x2 = float(bbox.find('xmax').text)
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
我遇到了一些错误,比如
AttributeError: 'numpy.ndarray' object has no attribute 'toarray' in py-faster-rcnn
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
我通过编辑设法绕过了它
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
然而,在培训过程中,我收到了两次警告
RuntimeWarning: invalid value encountered in log targets_dw = np.log(gt_widths / ex_widths)
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
在文件中
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
结果会受到影响吗
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
我需要做些不同的事情吗?也许你应该尝试修改“
lib/datasets/pascal\u voc.py
”
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
在函数“\u load\u pascal\u annotation(,)
”中
正确的答案应该是:
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
原因是在您自己的数据中,
x1
或y1
可能等于1,如果减1,则数字为负数,这导致了错误可能您应该尝试修改“lib/dataset/pascal\u voc.py
”
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
在函数“\u load\u pascal\u annotation(,)
”中
正确的答案应该是:
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)
原因是在您自己的数据中,x1
或y1
可能等于1,如果减去1,则数字为负数,这导致了错误
x1 = float(bbox.find('xmin').text)
y1 = float(bbox.find('ymin').text)
x2 = float(bbox.find('xmax').text)
y2 = float(bbox.find('ymax').text)