Python 自定义数据集上的rcnn训练期间出现警告

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)

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)                                                                 
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
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
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)