cascade-rcnn训练总结

cascade-rcnn

https://github.com/zhaoweicai/cascade-rcnn

 

　　这是目标检测非常不错的一种方法，没有过分强调主干网络，而是采用层叠的方式提高IOU阈值来提纯样本，对不同的主干网络都能取得2~4个点的提升。

　　下面对用自己的数据集进行训练的时候出现的问题进行总结。

其实也很简单，端到端的训练，就是参数很多，要理解了才能很好的设置。

1.  作者的网络配置文件是采用long_size和short_size的方式，这要求输入图像是矩形，但是对于正方形的输入，long_size和short_size就不是很合适了。这时候，可以采用 resize_width 和 resize_height 进行设置

long_size: 800

short_size: 1312

　　修改为

resize_width: 640
resize_height: 640

　　这里我们一般希望长宽都是 32 的倍数关系，如果不希望拉伸，最好这里设置的长宽和图片实际长宽一致。

2. 如果在训练的时候出现 “F0930 05:55:49.924599 32355 decode_bbox_layer.cpp:110] Check failed: keep_num > 0 (0 vs. 0)”，这可能是proposal boxes 数量不足，或者是网路跑飞了，可以通过以下两个地方修改：

　　a. 降低 “BoxGroupOutput” 层中的  fg_thr，增加proposal boxes 的数量。

　　b. 如果降低了还是出现类似的错误，那就降低 base_lr。

 

 

 

 

 

转载于:https://www.cnblogs.com/Keven-Lee/p/10181345.html