SSD训练数据tfrecords数据产生bug

训练数据tfrecords产生的问题：

INFO:tensorflow:Error reported to Coordinator: <class 'tensorflow.python.framework.errors_impl.InvalidArgumentError'>, All bounding box coordinates must be in [0.0, 1.0]: 1.002    

提供两条解决思路：

• 写脚本，判断出有哪些图片标记出错了。然后，删除这些标记不规范的图片，重新制作数据集。
• 修改tfrecords制作过程。

首先，第一个方法是可行的，就是比较麻烦，要找到原来的图片，删除，重新制作成tfrecord格式。我写了一个简单的脚本，检查之后发现，我使用的数据集（1W张图片）中有200+图片标记有问题，都是xmax或ymax超出了边界几个像素。

一些原因（嗯嗯嗯，主要是懒，2333），我不想再制作一遍数据集。决定找个相对优雅的方法解决这个问题。于是就有了第二个方案：

bboxes.append(float(ymin) / shape[0],
               float(xmin) / shape[1],
               float(ymax) / shape[0],
               float(xmax) / shape[1],))

追踪tf_convert_data.py，发现主要使用datasets/pascalvoc_to_tfrecords.py执行数据格式转化工作。找到114-119行：

bboxes.append((max(float(ymin) / shape[0], 0.0),
               max(float(xmin) / shape[1], 0.0),
               min(float(ymax) / shape[0], 1.0),
               min(float(xmax) / shape[1], 1.0)))

修改为：

然后使用命令，重新将数据集制作成tfrecords格式，问题便解决了。

这样做是合理的，理由如下：

标记员将坐标标记错误，跳出了图像范围，这时候识别目标应该就在图像边缘，所以选取图像边界作为目标的边界是合理的。

尊重原创：https://www.cnblogs.com/blog4ljy/p/9320487.html