我必须与多个类数据集在一个图像训练更快R-CNN检测网络?
11视图(30天)
显示旧的评论
我用5个类培训更快R-CNN检测网络数据集组成共有2000张图片,每个图片只包含一个类。我做的数据扩充和调整的数据训练检测器之前使用转换函数。训练检测器时,我得到错误如下:
无效的变换函数上定义数据存储。
错误的原因是:
错误使用bboxwarp > iParseInputs(第131行)
“bboxA”的价值是无效的。预期的输入数1 bboxA整数值。
错误bboxwarp(第82行)
params = iParseInputs (bboxA tform ref,变长度输入宗量{:});
错误augmentData(11行)
{2}= bboxwarp数据(数据{2}、tform溃败);
在matlab.io.datastore错误。TransformedDatastore/read (line 148)
data = self.Transforms{2}(数据);
错误vision.internal.cnn.rcnnDatasetStatistics > readThroughAndGetInformation(第70行)
批=阅读(数据存储);
错误vision.internal.cnn.rcnnDatasetStatistics(27)行
params = readThroughAndGetInformation(数据存储,layerGraph);
错误trainFasterRCNNObjectDetector > iCollectImageInfo(第1637行)
imageInfo = vision.internal.cnn.rcnnDatasetStatistics (trainingData rpnLayerGraph imageInfoParams);
错误trainFasterRCNNObjectDetector(第418行)
[imageInfo, trainingData] = iCollectImageInfo (trainingData、fastRCNN iRPNParamsEndToEnd (params),参数);
错误Contaminants_Detector(第171行)
[探测器,信息]= trainFasterRCNNObjectDetector (trainingData, lgraph,…
选项,“NegativeOverlapRange”, [0 0.3],……
“PositiveOverlapRange”, (0.6 - 1));
这个问题是由于在每幅图像的存在只有一个班?或者我的代码的问题是什么?