如何为 MATLAB 内置的多类 Faster R-CNN 函数准备训练数据？答案

【问题标题】：How to prepare training data for MATLAB inbuilt multiclass Faster R-CNN function?如何为 MATLAB 内置的多类 Faster R-CNN 函数准备训练数据？
【发布时间】：2020-01-06 00:24:54
【问题描述】：

我正在训练 Faster-RCNN 进行多类对象检测。我正在使用 matlab 内置函数 trainFasterRCNNObjectDetector 和 alexnet。该代码适用于单个对象，但在尝试多个对象时显示“警告：3 个训练图像中的 2 个的无效边界框已被删除。trainingData 中的以下行无效边界框数据：“。这是因为某些图像不包含一个类，为此我只放了空括号。

%trainingData
%|---------------------|------------------|------------------|
%|      Filename       |     Class 1      |     Class 2      |         
%|---------------------|------------------|------------------|
%|    '\00013.jpg'     |[1, 141, 374, 158]|        []        |
%|---------------------|------------------|------------------|
%
options = trainingOptions('sgdm', ...
    'MaxEpochs', 5, ...
    'MiniBatchSize', 1, ...
    'InitialLearnRate', 1e-3, ...
    'CheckpointPath', tempdir);

[detector, info] = trainFasterRCNNObjectDetector(trainingData, 'alexnet', options, ...
        'NegativeOverlapRange', [0 0.3], ...
        'PositiveOverlapRange', [0.6 1]);

【问题讨论】：

标签： matlab deep-learning faster-rcnn

【解决方案1】：

this page 有帮助吗？

根据那里的答案，我认为您必须将图像对象的所有坐标作为单个条目放在训练数据表中，并用分号分隔。

【讨论】：