SSD/DSOD check failed :mean_values_.size() == 1 || mean_values_.size() == img_channels Specify eithe


用SSD训练自己的数据时遇到了这个错误,查看cpp文件,报错原因是mean.size()和输入图像的通道数不一致。

导致错误的原因可能如下:

1.数据集存在单通道图像:

      在ssd_pascal.py的train_transform_param中参数定义可知道ssd默认图像为三通道RGB.

解决:

      找出到单通道图像转为三通道RGB

2.默认读取灰度图像(这种可能性大一些):

      遇到错误时候感觉很奇怪,我的数据都是RGB图像,不知道为什么读取的是单通道图像

解决:

      在ssd_pascal.py的train_transform_param中参数定义中加上

    “force_color”: True


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
StemBlock模块是一个在设计上受到了Inceptionv4和DSOD启发的模块。它的主要目的是设计一个计算代价较小的模块,用于提取图像的边缘、纹理等信息。该模块由三个部分组成:卷积层、两个分支和融合层。 在StemBlock中,首先使用一个具有7x7大小和stride为2的卷积层来进行快速降维。接下来,使用两个分支来进一步处理特征。第一个分支使用1x1卷积进行降维,然后再使用stride为2的3x3卷积层。第二个分支则使用最大池化来进行降维。这种设计可以在几乎不增加计算量的情况下提升特征的表达能力。 最后,将两个分支的输出进行拼接,并经过一个具有3x3大小的卷积层来进行特征融合。这样就得到了StemBlock模块的输出。 StemBlock模块的代码示例如下: ``` class StemBlock(nn.Module): def __init__(self): super(StemBlock, self).__init__() self.conv = ConvBNReLU(3, 16, 3, stride=2) self.left = nn.Sequential( ConvBNReLU(16, 8, 1, stride=1, padding=0), ConvBNReLU(8, 16, 3, stride=2), ) self.right = nn.MaxPool2d( kernel_size=3, stride=2, padding=1, ceil_mode=False) self.fuse = ConvBNReLU(32, 16, 3, stride=1) def forward(self, x): feat = self.conv(x) feat_left = self.left(feat) feat_right = self.right(feat) feat = torch.cat([feat_left, feat_right], dim=1) feat = self.fuse(feat) return feat ``` 总而言之,StemBlock模块是一个用于特征提取的模块,它通过几个卷积层和池化操作来提取图像的边缘、纹理等信息,并在不增加太多计算代价的情况下提升特征的表达能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [轻量级神经网络PeleeNet--对DenseNet的进一步改进](https://blog.csdn.net/panghuzhenbang/article/details/124728940)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【论文笔记】BiSeNetV2论文阅读笔记](https://blog.csdn.net/qq_40035462/article/details/123432508)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值