assert (l[:, 1:] ＜= 1).all(), ‘non-normalized or out of bounds coordinate labels: 的错误修改

最新推荐文章于 2024-09-04 20:39:36 发布
最新推荐文章于 2024-09-04 20:39:36 发布
阅读量4.4k 收藏 5
点赞数 1
文章标签： 深度学习 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tcuuuqladvvmm454/article/details/123416391
版权
在处理计算机视觉任务的数据集时，遇到了一个错误，源于某文件中坐标标签超出01范围。该错误在'utils/datasets.py'文件的第422行被触发。博客提到可以忽略这一警告，因为它们可能是非标准化或超出边界的坐标标签。在确认不影响后续处理后，可以选择不进行特殊处理。最终，系统显示了警告并继续执行，但提醒用户CUDA未启用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

File "Dr\utils\datasets.py", line 422, in __init__
    assert (l[:, 1:] <= 1).all(), 'non-normalized or out of bounds coordinate labels: %s' % file
AssertionError: non-normalized or out of bounds coordinate labels: ..\coco128\train\labels\000048.txt

(y

出现

ba zheyihang 这一行删除 或者注释

他的意思是出现了0 1范围之外的边框

那么我们可以不做处理即可

得到的数据结果如下所示

 warnings.warn('User provided device_type of \'cuda\', but CUDA is not available. Disabling')
     0/254        0G    0.1165   0.06626   0.04616    0.2289        39       640:  17%|▏| 106/632 [03:23<15:53,  1.81s/

yolov5 训练 支持 xml json数据集
jacke121的专栏
02-24 1382
yolov5 训练 支持 xml json数据集
【目标检测-YOLO】YOLO v5 训练自定义数据集
博观约取，厚积薄发
02-18 9325
yolov5 训练自定义的voc 格式的数据
jpg: ignoring corrupt image/label: non-normalized or out of bounds coordinates
最新发布
weixin_75098576的博客
09-04 793
在进行yolov5的训练时，我使用的数据集图片的大小为2048*1000，而yolov5默认640*640，这条报错貌似和照片尺寸过大有关，请问各位大佬我应该如何调整yolo的算法部分，使它能够识别大尺寸（2048*1000）的图片。
合并图片 java.lang.ArrayIndexOutOfBoundsException: Coordinate out of bounds!
星马殇
08-22 1万+
今天用java BufferedImage 合并图片时出现的这个问题， 最后发现是最后一张图片的宽高超出了限制大小，所以报了这个错。 我要在一张a4大小的图片上加一批二维码图片 合并图片的代码如下： public void createPicTwo2(int x,int y)   {       try       {         //读取第一张图片         
Pytorch版本yolov3源码阅读[4]
行云
06-06 3441
datasets.py import glob import math import os import random import shutil from pathlib import Path import cv2 import numpy as np import torch from torch.utils.data import Dataset from tqdm import t...
YOLOv5在训练数据的时，出现标签corrupted，标签的坐标出现了负值。
weixin_43501408的博客
06-11 6047
问题描述：在使用YOLO进行训练数据时，出现了Scanning 'C:\Users\aoqia\Desktop\datasets\grape\train\labels' images and labels...0 found, 4320 missing, 0 empty, 0 corrupted:这个错误。原因分析：我们阅读报错提示，发现数据集标签中矩形框的坐标出现了负值，查看报错提示的标签，确实出现了负值，比如下图中的倒数第二行中出现了负值。
YOLOv5 训练报错记录（持续更新中...）
Li ZHANG的博客
08-12 9883
1、AttributeError: Can’t get attribute ‘C3’ AttributeError: Can’t get attribute ‘C3’ on <module ‘models.common’ from ‘/root/deepstream_yolov5/yolov5/models/common.py’> models/common.py 中没有 C3，全局查找，发现在 models/experimental.py 里，把这个类粘过来就行了 2、RuntimeErro
yolov8训练数据警告检查
yangsn0719的博客
07-17 2672
具体的源码出处以及警告原因可以在你自己的源码路径下./ultralytics/ultralytics/data/utils.py文件的verify_image、verify_image_label函数里查询。这里我把警告里出现两个冒号的都删了后面的一个，因为我根据冒号进行了分离字符串，我这里分类进行了保存，便于后面根据不同的警告原因进行不同检查和处理。首先，你需要将这些警告内容自行复制到一个新建的空白txt里，如下图。在yoloV8训练过程中，你应该也遇到过如图上的数据问题。后面自行检查这些数据即可。
重写yolo数据加载模块
qq_27172615的博客
01-18 623
"""Args:.. note::"""具体的可以看看，我另外一篇关于这个类的源码阅读。这个类我觉得相当于定义了一种编码规范其他一些增强的方法，都差不多。主要就是索引处理，标签和图片加载。性能肯定比yolo原生的差多了，yolo原生标签，图片在初始化就统一处理了，然后缓存。所以代码量非常大，可阅读性很差。另外torchvision.datasets这个包提供了一套编码规范逻辑很清晰。初学的话，照这个来，我觉得是比较好的选择。
matlab ud.save,YOLOV5训练与测试时数据加载dataset.py代码注释与解析
weixin_29699579的博客
03-21 2610
import globimport mathimport osimport randomimport shutilimport timefrom pathlib import Pathfrom threading import Threadimport cv2import numpy as npimport torchfrom PIL import Image, ExifTagsfrom torc...
yolov7的dataset代码详解
guanshanjushi2的专栏
08-03 3188
yolov7dataset代码详解
yolov5训练时出现WARNING: Ignoring corrupted image and/or label
热门推荐
早睡早起吧
07-23 3万+
在使用yolov5训练数据集时，出现如下警报(本来原有数据集是2万多张，最后排除出现警告的数据集，只有1万9千多张了) 首先说明结果：在yolov5-master\utils\datasets.py中的问题。找到代码 def verify_image_label(args): # Verify one image-label pair im_file, lb_file, prefix = args nm, nf, ne, nc = 0, 0, 0, 0 # number.
yolov5 代码内容解析
qq_40629612的博客
06-19 1万+
122122<div id="MathJax_Message" style="display: none;"></div><div id="MathJax_Message" style="display: none;"></div> 离开了 122
解决AssertionError：The length of platte should not be less than ‘num_classes‘
cD_nf的博客
05-08 1085
主要报错的位置是倒数第三行和第二行代码，意思是dataset_palette的长度小于了目标检测物体的类别num_classes，所以问题出现在dataset_palette的赋值上，分析上面的dataset_palette的赋值过程，当palette == ‘random’或palette is None时，dataset_palette的长度会等于num_classes，所以将倒数第二个报错中传入的palette参数改为None。
YOLOV5dataset.py代码注释与解析
Q1u1NG的博客
07-15 2万+
YOLOV5训练时数据加载模块代码注释与解析 本文主要对ultralytics\yolov5在训练时的数据加载模块的dataset.py代码进行注释和解析。当然dataset.py中还有其他时候(例如detect时)所用到的加载方法(例如LoadImages、LoadWebcam等)，本文主要是对训练时用到的LoadImagesAndLabels类的相关注释。 import glob import math import os import random import shutil import time
spatial adjustment工具失败(The coordinates or measures are out of bounds)
xiezhongkai08的专栏
05-05 2677
将mdb中的featureclass 导出为shapefile
关于矢量图层校准时的“The Coordinates Or Measures Are Out Of Bounds”的问题
aijingyi的专栏
05-14 7651
前段时间课题组里有个师姐用CAD结合SketchUp8.0做了个3维园区建模，做的很精细，老板让我把模型导出成ArcGIS能用的数据。由于建模时没有选择投影坐标系，无法用sketchup导出成ArcGIS数据格式，几经查阅资料，最后用ArcToolBox里面的3D Analyst工具箱中的From File导出的。导入到了新建个人数据库中Personal Geodatabase，打开看看，发现效果
yolov5训练自己的数据
jacke121的专栏
06-24 3万+
参考：https://blog.csdn.net/laovife/article/details/106802725 代码地址：https://github.com/ultralytics/YOLOv5 数据集准备 yolov5使用的是yolo格式的标注文件，内容长这样，第一个数是标签的序号，后面四个是坐标。 标注软件依然是labelimg，在使用前将VOC格式转换为YOLO即可 如果有之前标注好的xml文件，可以通过脚本直接转成yolo所需的txt格式: link. 不过在转换完成后记得.
def _normalize_idx(self, idx): nidx = idx if nidx < 0: nidx += len(self) if nidx < 0: nidx = 0 return nidx def __getitem__(self, idx): """Implements `x = self[idx]`""" assert(isinstance(idx, int)) nidx = self._normalize_idx(idx) if nidx >= self.length: raise IndexError else: #start at head, skip the NONE sentinel, now at index 0, while loop to walk to nidx, return data # or figure out closer to head or head.prior(tail), make the walk shorter if idx< (self.length/2): #start at head.next, walk forward idx number of nodes current=self.head.next count=0 while count<nidx: current=current.next count+=1 else: #start at head.prior, walk backward len(self.data)-idx-1 number of nodes current=self.head.prior count=self.length-1 while count>nidx: current=current.prior count-=1 return current.val 改写代码风格并保持变量名，代码意思不变
05-29
下面是改写后的代码风格： ``` def _normalize_idx(self, idx): nidx = idx if nidx < 0: nidx += len(self) if nidx < 0: nidx = 0 return nidx def __getitem__(self, idx): """Implements `x = self[idx]`""" assert(isinstance(idx, int)) nidx = self._normalize_idx(idx) if nidx >= self.length: raise IndexError else: # Start at head, skip the NONE sentinel, now at index 0, while loop to walk to nidx, return data # Or figure out closer to head or head.prior(tail), make the walk shorter if idx < (self.length/2): # Start at head.next, walk forward idx number of nodes current = self.head.next count = 0 while count < nidx: current = current.next count += 1 else: # Start at head.prior, walk backward len(self.data)-idx-1 number of nodes current = self.head.prior count = self.length-1 while count > nidx: current = current.prior count -= 1 return current.val ``` 注意，变量名没有改变，只是对代码进行了一些格式化和注释。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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