【无标题】

项目场景：使用coco数据集进行目标检测遇到一个深拷贝的问题

使用yolo作目标检测，读取的coco数据集，数据格式是这样的：
-train
-annotations
-instances_train2017.json
-image
-image_name_1
-…
json中的格式为：
{‘info’:
“license”:
“images”:按照图像id排序，包含图像名称及图像长宽
“anncotations”:按照目标类别排序，包含图像id及目标框数据等数据
“categories”:类别数据
}

训练中创建traing_dataloader，返回图像resize的图像数据，resize后对应的标签（（中心点坐标）x，y，w，h），对应的类别标签。
dataset创建在这篇博客基础上进行修改：https://blog.csdn.net/haohulala/article/details/109013078
getitem中有这样的语句

def __getitem__(self, index):
        img, ann = super().__getitem__(index)
        # 过滤掉"iscrowd"不为0的属性
        ann = [o for o in ann if(o["iscrowd"]==0)]
        # 获得bbox
        bbox = [o["bbox"] for o in ann]
        bbox = np.array(bbox, dtype=np.float32)
        # 将bbox的坐标由 xywh的性质转变为x1y1x2y2
        bbox[..., 2:] = bbox[..., 2:] + bbox[..., :2]

我改为了这样

        # 将bbox的坐标由 xywh的性质转变为中心点，w，h
        for i in bbox:
            i[0] = int(i[2]/2)+i[0]
            i[1] = int(i[3]/2)+i[1]

---

问题描述

训练过程中遇到问题，在第一个epoch时正常运行，到第二个epoch时总是出现框标签超出图像大小的错误

  File "E:\PycharmProjects\other\111\YOLOv3_PyTorch\training\..\nets\yolo_loss.py", line 136, in get_target
    noobj_mask[b, anch_ious > ignore_threshold, gj, gi] = 0
IndexError: index 16 is out of bounds for dimension 3 with size 13

---

原因分析：

经过我在不同位置打印信息，定位到了上述bbox坐标转换的位置，有经过不同epoch的不断调试，发现了问题。因为bbox是直接赋值来的，在对bbox的值进行变换的时候，原始数据也被改变了，所以到第二个epoch时bbox就被变换了两次。导致超出范围。

---

解决方案：

1. 不要在__init__中读取数据，只进行path的赋值，在getitem中再读取数据，但是我使用的coco数据格式是，所有数据都再一个文件中，每次读取都必须将所有数据全部读一遍，所以效率很低。
2. 使用深拷贝赋值bbox

        # 获得bbox
        bbox = copy.deepcopy([o["bbox"] for o in ann])