如何为MATLAB内置的多类Faster R-CNN函数准备训练数据？

Question

我正在训练Faster-RCNN以进行多类对象检测。 我正在使用matlab内置函数trainFasterRCNNObjectDetector和alexnet。 该代码对于单个对象工作正常，但是在尝试用于多个对象时，它显示“警告：已删除3个训练图像中2个的无效边界框。trainingData中的以下行具有无效的边界框数据：”。 这是因为某些图像不包含一类，为此，我只用了空括号。

%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]);

Answer 1

此页面有帮助吗？

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入训练数据表中，并用分号将它们分开。