问题标签 [retinanet]

我正在尝试将 VGG Image Annotator 软件中的 csv 文件转换为可在 RetinaNet 中使用的 csv 文件。我需要的 RetinaNet 训练数据格式是：path/to/image.jpg,x1,y1,x2,y2,class_name. 这是我来自 VIA 的 CSV 文件的示例：+=============+===========+============ ==+============+==================================== ======================+===+ | 文件名 | 文件大小 | region_count | region_id | region_shape_attributes | | +=============+============+==============+======== ===+================================================ ==========+===+ | img--30.png | 2331731 | 10 | 0 | {"name":"rect","x":65,"y":778,"width":108,"height":65} | | +-------------+------------+--------------+-------- ---+---------------------------------------------------------- ----------+---+

基本上，我需要从括号中提取x、y、宽度和高度属性并将它们附加到列表中。这是我的python代码：

此代码输出：

我最近阅读了 RetinaNet 论文，但我还没有理解一个小细节：
我们有从 FPN (P2,...P7) 获得的多尺度特征图。
然后两个 FCN 头（分类器头和回归器头）对每个特征图进行卷积。
然而，每个特征图都有不同的空间尺度，那么，在所有卷积参数都是固定的情况下，分类器头和回归器头如何保持固定的输出量？（即步幅为 1 的 3x3 过滤器等）。

看看PyTorch 的 RetinaNet 实现中的这条线，我看到头部只是对每个特征进行卷积，然后所有特征都以某种方式堆叠（它们之间唯一的共同维度是 Channel 维度，它是 256，但在空间上它们是彼此的两倍）。
很想听听它们是如何结合在一起的，我无法理解这一点。

Feature Pyramid Networks for Object Detection 采用 RPN 技术创建检测器，并使用滑动窗口技术进行分类。5.2部分怎么会有“非滑窗”的说法？

论文中的扩展声明： 5.2。使用 Fast/Faster R-CNN 进行对象检测 接下来，我们研究 FPN 用于基于区域（非滑动窗口）的检测器。

据我了解，FPN 在检测任务中使用滑动窗口。https://medium.com/@jonathan_hui/understanding-feature-pyramid-networks-for-object-detection-fpn-45b227b9106c中也提到了这一点 ，声明是

“FPN 提取特征图，然后馈入检测器，RPN 说，用于对象检测。RPN 在特征图上应用一个滑动窗口来预测每个位置的对象性（是否有对象）和对象边界框。 "

提前谢谢你。

我目前正在使用fizyr/retinanet来训练一个检测 3 个类的模型。当我训练模型时，我在所有课程中都获得了 0.0000 的精度。在几轮训练中，我得到了稍高的精度，例如 0.0007。

我看过这些线程，但他们的解决方案似乎不起作用： https ://github.com/fizyr/keras-retinanet/issues/647和https://github.com/fizyr/keras-retinanet/问题/1351

也就是说，我在训练命令中添加了 --image-max-side 参数。我做了这个 2560 像素。我正在使用的图像是 1920X2560 像素。训练集是 916 张图像。验证集是 258 张图像。

我用来训练模型的完整命令是：

我也尝试过运行上述命令而不将权重初始化为 coco。这会产生相同的结果。我已将 train.py 文件复制到我的父目录中。

我必须在 train.py 中包含这段额外的代码，这样训练就不会因 GPU 耗尽资源而停止：

这是我的 train.csv 文件中的一个示例：

这是我的 classes.csv 文件：

我的安装设置是：Windows 10
Tensflow 2.3.1
CUDA Toolkit 11.0
CuDNN v7.6.3

精度不会在多个时期内发生变化。以下是输出示例：

如果有什么建议可以尝试提高我的精度/解决为什么找不到任何对象，请告诉我？

我正在尝试执行与以下链接相关联的 colab 笔记本，该链接训练 Keras Retinanet 以便在图像中查找对象：

https://www.freecodecamp.org/news/object-detection-in-colab-with-fizyr-retinanet-efed36ac4af3/

但是，即使我完全遵循指南，当我用这条线开始火车时：

!keras_retinanet/bin/train.py --freeze-backbone --random-transform --weights {PRETRAINED_MODEL} --batch-size 8 --steps 500 --epochs 10 csv annotations.csv classes.csv

我在第一个时代收到此错误：

WARNING:tensorflow:Your input ran out of data; interrupting training. Make sure that your dataset or generator can generate at least `steps_per_epoch * epochs` batches (in this case, 5000 batches). You may need to use the repeat() function when building your dataset.

这即使，我再说一遍，我完全按照笔记本。

我还尝试使用 Pascal VOC 进行训练，因为在官方 github 存储库（由 fizyr 指定）中指定，但我再次收到此错误。

有人能帮我吗？谢谢

我在 colab 上使用 RetinaNet Detectron2 训练了一个模型。培训成功，但我无法在图像上进行测试。

代码：

错误：

/content/drive/My Drive/Detectron/test/wh_dresscode_4969_jpg.rf.5a2702518691d3d6f9cef7ad7977e5c8.jpg 数据类型：<class 'detectron2.structures.instances.Instances'> AttributeError Traceback（最近一次调用最后一次）

AttributeError：在给定的实例中找不到字段“pred_masks”！

我一直在搞乱如何从保存的模型中进行转移。我的情况是resnet50_coco_best_v2.1.0.h5，加载后就像

然后我尝试将它添加到我的新模型中

如果您能给我提供有关如何从保存的模型创建新模型的任何帮助，我将不胜感激。

我已经阅读了很多关于对象检测的内容，特别是在 RetinaNet 上。但是这部分的实现对我来说不是那么清楚。

据说，所有金字塔级别的特征图都传递给权重共享子网络，用于分类和边界框回归。

但是，当子网络的权重在所有金字塔级别共享时，这怎么可能呢？输出将具有不同的维度，因为据我了解，如果我没记错的话，每个子网络的最后一层都与输出完全连接。在原始论文中没有澄清。这里是否发生了一些零填充？

在 Faster-RCNN 架构中，ROI 池化层用于解决这个维度问题，但在这种情况下我迷路了。

我正在尝试在我自己的数据集上使用来自 keras.io 的视网膜代码示例的对象检测，但我找不到正确的数据格式。代码本身是在一些 TFrecord 数据上训练的，我找不到我的数据集的格式应该是什么。

我检查了代码函数以找出正确的数据格式，并且我想出了一个字典数据示例，正如您在这张图片中看到的那样：

但我不断收到以下错误：

谁能帮忙。

我想将 P-DESTRE 数据集与视网膜网络模型一起使用

但是我在绑定框格式方面遇到了问题，因为数据集边界框格式是：

x、y、h、w（左上列、左上行、高度、宽度）

在该模型边界框格式上写的位置是 (x1,y1,x2,y2)

你能告诉我如何将数据集格式转换为模型格式吗