SSDで自分のデータセットを訓練する
13463 ワード
1データセットの構築
まず、総データが1000枚であると仮定して、データセットを構築する方法を見てみましょう.便宜上、/home/bingolwang/dataフォルダの下にデータを置きます./home/bingolwang/data/VOCdevkitこのディレクトリの下はVOC 2007
VOC2007/
|-- Annotations #1000 xml 。
|-- ImageSets
| `-- Main
| |-- test.txt #
| `-- trainval.txt #
`-- JPEGImages #1000 jpg
よく見てtxt ,trainval.txtという2つのファイルのフォーマットは、
test.txt
00002 # .jpg
00003
00100
00012
.....
trainval.txt # ? 6 , 00000 ,
00000 #
00001
00004
00005
.....
JPEGImages,Annotationsフォルダの内容
#Annotations dir
00000.xml
00001.xml
00002.xml
00003.xml
......xml
01000.xml
#JPEGImages dir
00000.jpg
00001.jpg
00002.jpg
00003.jpg
......jpg
01000.jpg
xmlの内容を見てみましょう.これは00005の例です.xml.
<annotation>
<folder>imagesfolder>
<filename>00005.jpgfilename>
<source>
<database>bingolwangDataSetdatabase>
source>
<size>
<width>435width>
<height>363height>
<depth>3depth>
size>
<object>
<name>Objectname>
<difficult>0difficult>
<bndbox>
<xmin>37xmin>
<ymin>318ymin>
<xmax>428xmax>
<ymax>358ymax>
bndbox>
object>
annotation>
注意:実際にssd公式(github:https://github.com/weiliu89/caffe/tree/ssd)のファイルで使用するcreate_list.shはlmdbを生成するために必要な様々なファイルを作成します.ここでは、そんなに複雑なスクリプトは使えないので、手動で作成します.
create_data.shは訓練入力を作成するlmdbである.彼の入力はlabelmapです.voc.prototxt | test.txt | trainval.txt、この3つのファイル.やはり見てみましょう.この3つのファイルはどんなフォーマットですか.
# trainval.txt
VOC2007/JPEGImages/105df.jpg VOC2007/Annotations/105df.xml
VOC2007/JPEGImages/ww231.jpg VOC2007/Annotations/ww231.xml
VOC2007/JPEGImages/763005.jpg VOC2007/Annotations/763005.xml
#test.txt
VOC2007/JPEGImages/0b73.jpg VOC2007/Annotations/0b73.xml
VOC2007/JPEGImages/c5ccbe1.jpg VOC2007/Annotations/c5ccbe1.xml
VOC2007/JPEGImages/ec5f0.jpg VOC2007/Annotations/ec5f0.xml
VOC2007/JPEGImages/a0341.jpg VOC2007/Annotations/a0341.xml
#labelmap_voc.prototxt #single object
item {
name: "none_of_the_above"
label: 0
display_name: "background"
}
item {
name: "Object"
label: 1
display_name: "Object"
}
上記の書類を用意すればgit cloneができますhttps://github.com/weiliu89/caffe/tree/ssdコンパイルしてcaffeにrootディレクトリの下でdataの下を見つけて、それからILSVVRC 2016 VOC 0712 cifar 10 coco ilsvrc 12 moistのこのいくつかのフォルダを見て、それからVOC 0712ディレクトリの下に入って、create_を見ることができますdata.sh create_list.sh labelmap_voc.prototxt test.txt trainval.txt、create_を実行data.shスクリプト.
アタッチメント
-このxmlファイルはどのように生成されますか.ここではpythonスクリプトをお勧めします
#coding=utf-8
import os
from lxml import etree
import math
anno_file = "imageInfo.txt"
save_root = "/data1/user/bingolwang/data/VOCdevkit/VOC2007/Annotations/"
f = open(anno_file,'r')
for line in f:
data = line.strip().split(" ")
fname = data[0]
img_width = int(float(data[1]))
img_height = int(float(data[2]))
save_file = save_root + fname[:-3] + "xml"
fout = open(save_file, 'w')
# creat XML
root = etree.Element("annotation")
# folder info
folder = etree.SubElement(root, "folder")
folder.text = "GeneraOcr_WeiYun_Det_imgs"
# file name
filename = etree.SubElement(root, "filename")
filename.text = str(fname)
# source
source = etree.SubElement(root, "source")
database = etree.SubElement(source, "database")
database.text = "GeneraOcr_WeiYun_Det"
# image size
size = etree.SubElement(root, "size")
width = etree.SubElement(size, "width")
width.text = str(img_width)
height = etree.SubElement(size, "height")
height.text = str(img_height)
depth = etree.SubElement(size, "depth")
depth.text = "3"
# object
object_count = 2
while object_count < data.__len__():
object = etree.SubElement(root, "object")
name = etree.SubElement(object, "name")
name.text = "text"
difficult = etree.SubElement(object, "difficult")
difficult.text = "0"
bndbox = etree.SubElement(object, "bndbox")
xminv = max(1,int(float(data[object_count + 1])) + 1)
yminv = max(1,int(float(data[object_count + 2])) +1)
xmaxv = min(int(float(data[object_count + 3])) ,img_width-2)
ymaxv = min(int(float(data[object_count + 4])) ,img_height-2)
xmin = etree.SubElement(bndbox, "xmin")
xmin.text = str(xminv)
ymin = etree.SubElement(bndbox, "ymin")
ymin.text = str(yminv)
xmax = etree.SubElement(bndbox, "xmax")
xmax.text = str(xmaxv)
ymax = etree.SubElement(bndbox, "ymax")
ymax.text = str(ymaxv)
object_count += 5
ss = etree.tostring(root, encoding='utf8',pretty_print=True)
fout.write(ss.decode('utf-8'))
fout.close()
# source end
#s = etree.tostring(root, encoding='utf8',pretty_print=True)
#print(str(s))
f.close()
自分のデータセットを訓練するときにエラーを報告します。
Check failed: background_label_id != label (0 vs. 0) “Found background label in the dataset.”
: background_label_id != label
(0 vs 0)
: dataset label ,
, 0
コンパイラエラー:
json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array escape
// :
// 1- vi /usr/include/boost/property_tree/detail/json_parser_read.hpp
// 2- json_parser_read.hpp:257:264
// 3- 。 。
// : gcc cuda , gcc cuda, 。
実行時エラー:
Check failed: error == cudaSuccess (8 vs. 0) invalid device function
// cuda lib nvcc
// copy cuda gcc 。
訓練時lossはnan
2つの可能性:1 lmdbを生成するときに、設定寸法が選択されていません.resizeオプションです.2既存のモデル上でfinetuneは,学習率を設定していない.