voc转tfrecord的几个问题

博主使用https://my.oschina.net/u/876354/blog/1927351的方法制作数据集,过程中遇到几个问题,还给出了参考链接,分别是https://github.com/balancap/SSD-Tensorflow/issues/108和https://blog.youkuaiyun.com/qigeyonghuming_1/article/details/89205690。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用https://my.oschina.net/u/876354/blog/1927351的方法制作了数据集,途中遇到几个问题。

问题1:

python SSD-Tensorflow-master/tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=./voc2007 --output_name=voc_2007_train --output_dir=./tfrecord

转换后提示:

路径不对,并给出地址,

解决办法:
文件夹后面没有添加/,应该为:
python SSD-Tensorflow-master/tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=./voc2007/ --output_name=voc_2007_train --output_dir=./tfrecord/

问题2:

python SSD-Tensorflow-master/tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=./voc2007/ --output_name=voc_2007_train --output_dir=./tfrecord/

提示:
unicodedecodeerror 'utf-8' codec can't decode byte 0xff in position 0 invalid start byte

查找issue项,发现:
fix:
pascalvoc_to_tfrecords.py
image_data = tf.gfile.FastGFile(filename, 'r').read()
change that to:
image_data = tf.gfile.FastGFile(filename, 'rb').read()

解决问题

问题3:

python SSD-Tensorflow-master/tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=./voc2007/ --output_name=voc_2007_train --output_dir=./tfrecord/

提示:
File "E:\object_detection_learning\SSD-Tensorflow-master\datasets\pascalvoc_to_tfrecords.py",line 104, in _process_image
     labels.append<int<VOC_LABELS[label][0]>>
KeyError: 'sign'

解决办法:
直接检索labels.append<int<VOC_LABELS[label][0]>>这块儿有很多探讨

打开datasets文件夹下的pascalvoc_to_tfrecords.py文件,修改它的第103行
注释掉原来的, 括号内改为1,即可。
#labels.append(int(VOC_LABELS[label][0]))
labels.append(1)#int(VOC_LABELS[label][0])label对应的类别编号,此处直接使用1.没什么特殊意义

参考

[1]https://github.com/balancap/SSD-Tensorflow/issues/108

[2]https://blog.youkuaiyun.com/qigeyonghuming_1/article/details/89205690

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值