使用tensorflow object_detection API训练自己的数据遇到的问题及解决方法

本文详细介绍了在Windows环境下遇到目标检测包缺失的解决方案,通过创建pth文件来添加路径。同时,针对训练过程中常见的配置错误和数据标注问题提供了修正方法,包括删除无效的预训练模型配置和调整超出图像范围的坐标。

1.Windows下出现找不到object_detection包的问题

解决方法

  在Anaconda3\soft\Lib\site-packages新建一个pth文件,将PedestrianDetection文件夹和slim文件夹路径写入。

2.训练中出现的问题

raise ValueError('First step cannot be zero.')ValueError: First step cannot be zero.

  删除预训练模型pipeline.Config中的下列代码

schedule{
        step:0,
        learning_rate:0.00008797
}

 

 ②Assertion failed: [maximum box coordinate value is larger than 1.100000: ] [1.15277779]

问题:标注数据,超出了图像的长宽

解决方法:在生成标注数据时,将x,y坐标进行截断

 

 

转载于:https://www.cnblogs.com/dongzhiwu/p/11011607.html

评论
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