问题标签 [mscoco]

我创建了一个自定义 COCO 数据集。现在假设我在image_data. 我可以显示图像和注释

此时，我将能够看到覆盖在图像上的注释。但是，我想保存带有注释的图像。我怎样才能做到这一点？我试过了

但它不起作用。它只是保存原始图像，没有任何注释。

我目前正在使用带有 Ubuntu 18.04 的 NVIDIA Jetson TX2 来使用我的自定义数据集训练 Mask R-CNN（Matterport 实现https://github.com/matterport/Mask_RCNN）。当我尝试加载时mask_rcnn_coco.h5，多次出现以下错误：

训练模型时，许多主题中都会出现相同的错误，但这里我只是尝试加载预训练的权重。我不明白为什么只使用一小块内存。

我希望在 MS COCO 数据集上训练 deeplab v3+ 模型。以前有没有人成功地做到过？使用哪些训练参数来训练模型？

我在 Github 存储库中查找了问题，但找不到任何相关信息。

我以前尝试过的事情-

1. 我已经创建了语义分割标签并在完整的数据集上训练了模型。除了人员类之外，它似乎对数据的拟合不足。我为所有班级分配了权重。但这并不顺利。

2. 我减少了数据集并在这个减少的数据集上训练了我的模型，但它的表现并不好。

我不确定我是否遗漏了什么。任何帮助将不胜感激。

对于我的验证数据集（自己的数据），我使用 COCO 和 Kitti 评估指标进行评估。

我预计 COCO AP（0.5）值和 Kitti 2D AP（iou=0.5）的得分相似。但是我不确定它们是否具有可比性，尽管它们背后的逻辑是相同的（检查 2D 前视图 GT 和 DET 框的 iou>0.5 并计算匹配和精度/召回率）。 

COCO obj detection AP 0.5 = 0.59 Kitti 2D AP with iou 设置为 0.5 = 0.33

期望它们具有可比性是否正确？我发现大多数论文只使用其中之一，没有人真正比较过这两种评估指标的结果。 

I want to train a tensorflow image segmentation model on COCO, and thought I would leverage the dataset builder already included. Download seems to be completed but it crashes on extracting the zip files.

Running with TF 2.0.0 on a Jupyter Notebook under a conda environment. Computer is 64-bit Windows 10. The Oxford Pet III dataset used in the official image segmentation tutorial works fine.

Below is the error message (my local user name replaced with %user%).

The message seems cryptic to me. The folder to which it is trying to extract does not exist when the notebook is started - it is created by Tensorflow, and only at that command line. I obviously tried deleting it completely and running it again, to no effect.

The code that leads to the error is (everything runs fine until the last line):

Also tried breaking down the last command into assigning the tdfs.builder object and then running download_and_extract, and again got the same error.

There is enough space in disk - after download, still 50+GB available, while the dataset is supposed to be 37GB in its largest version (2014).

我希望我的模型只检测 3 个类，即人、轮胎和道路。我正在使用已经在“人”类上训练过的预训练 MS COCO 权重。

如何使用这个已经存在的“人”类并进一步训练我的模型以适应 2 个新类，即“轮胎”和“道路”？

我已经设置NUM_CLASSES = 1 + 3（背景+对象）。

然而，我的数据集只有“轮胎”和“道路”的注释，因此这些是我添加使用的唯一类self.add_class(source_name, class_id, class_name)。

我是 Pytorch 的新手。我正在使用预训练模型（RESNET-50）。我正在尝试使用 cocoapi 在 MS-COCO 数据集上训练这个模型。

我已经在火车加载器中加载了我的数据集图像和注释。

我得到以下输出：

类“火炬。张量”

类“列表”

火炬尺寸（[64, 3, 224, 224]）

4

我得到了这个错误：我认为这是因为标签不是张量？

我尝试仅使用 pycocotools 转换数据集以进行实例分割。初始数据集由成对的灰度（左）+groundtruth（中）组成。地面实况图像产生两个二进制实例（红色）：

转换为 COCO 格式必须为每个灰度图像生成一个保存为 json 文件的字典。

由于我不明白如何使用 imantics 或 pycococreator，我尝试手动生成一个包含一个图像和两个实例的极简示例。整件事都可以在笔记本中找到。这里选择了第 130 张图像，字典制作如下：

可以查字典：

产生：

然后将字典保存为 json 文件（来自 colab 笔记本）：

当我尝试检查 json 文件是否是有效的 coco 数据集时，问题就来了：

这里 pycocotools 抱怨如下：

我尝试使用带有 COCO 数据集的 Show And Tell 模型。但是，在某一时刻，我的 Torch 计划暂停了。谁能修复我的代码？这是我的代码导致训练暂停。

警告如下。

utils.py:114: UserWarning: volatile 已被删除，现在无效。与 torch.no_grad(): 一起使用。返回变量（x，易失性=易失性）

在 coco 中，我们知道训练集和验证集都对应特定的注释文件，即instances_train2017.json 和instances_val2017.json。但是coco的测试集没有这样的注解文件。也许 train/val 注释是替代方案，但我不知道该怎么做。所以，我不知道如何生成 test.txt 文件并进行进一步处理。非常感谢您的帮助！