ドキュメンテーションの中の「Faster R-CNN 深層学習を使用したオブジェクトの検出」に示されたプログラムの実行中に発生するエラーについて

Question

Ryousuke Imanishi 2018-9-2

0
链接

此问题的直接链接

https://ww2.mathworks.cn/matlabcentral/answers/417193-faster-r-cnn

评论： Ryousuke Imanishi 2018-9-7

標記のプログラムおいて、ネットワークをこのプログラムの中で学習させるために、変数 doTrainingAndEval を true に設定して実行させたとき、

% Annotate detections in the image.
I = insertObjectAnnotation(I, 'rectangle', bboxes, scores);

のステップが終了した段階で、以下のような表示が出力されます。

******************************
Faster R-CNN オブジェクト検出器の学習が終了しました。
エラー: insertObjectAnnotation
LABELは空以外にする必要があります。
エラー: insertObjectAnnotation
エラー: insertObjectAnnotation
エラー: insertObjectAnnotation
エラー: fasterRCNNtrue (line 〇〇〇)
I = insertObjectAnnotation(I, 'rectangle', bboxes, scores);
******************************

このようなエラーが生じないようにする対応についてお教え下さい。

0 个评论
显示 -2更早的评论隐藏 -2更早的评论

请先登录，再进行评论。

请先登录，再回答此问题。

Answer 1

Tohru Kikawada 2018-9-3

2
链接

此回答的直接链接

https://ww2.mathworks.cn/matlabcentral/answers/417193-faster-r-cnn#answer_335161

在 MATLAB Online 中打开

こちらの例を実行された際のエラーと仮定してお答えいたします。

ご提示のエラーは変数 socres が空になっているため発生しているようです。

下記のとおり、上流のコードで detect メソッドを使って車両を検出していますが、検出が正しくできていないようです。Faster R-CNNの学習モデル( detector )が正しく生成されているかご確認ください。

% Run the detector.
[bboxes, scores] = detect(detector, I);

9 个评论
显示 7更早的评论隐藏 7更早的评论

Tohru Kikawada 2018-9-4

在 MATLAB Online 中打开

trainFasterRCNNObjectDetector の部分で下記のように学習の進捗は表示されていますか。また、お使いのMATLABのバージョンやToolboxの構成はどうなっていますでしょうか。

*************************************************************************
次のオブジェクト クラスに対する Faster R-CNN オブジェクト検出器の学習:
* vehicle
手順 1/4: 領域提案ネットワーク (RPN) の学習。
単一の CPU で学習中。
|========================================================================================|
|  Epoch  |  Iteration  |  Time Elapsed  |  Mini-batch  |  Mini-batch  |  Base Learning  |
|         |             |   (hh:mm:ss)   |   Accuracy   |     RMSE     |      Rate       |
|========================================================================================|
|       1 |           1 |       00:00:01 |       39.06% |         1.01 |          0.0010 |
|       1 |          50 |       00:00:35 |       58.98% |         1.06 |          0.0010 |
|       1 |         100 |       00:01:05 |       42.97% |         1.12 |          0.0010 |
|       1 |         150 |       00:01:34 |       94.92% |         0.80 |          0.0010 |
|       2 |         200 |       00:02:09 |       45.70% |         1.20 |          0.0010 |
|       2 |         250 |       00:02:43 |       75.78% |         1.18 |          0.0010 |
|       2 |         300 |       00:03:17 |       49.22% |         0.86 |          0.0010 |
|       2 |         350 |       00:03:47 |       92.97% |         0.82 |          0.0010 |

Ryousuke Imanishi 2018-9-4

编辑：michio 2018-9-4

在 MATLAB Online 中打开

更なるご検討を有難うございます。ご質問のシステムの構成、及びプログラム実行時の出力内容を以下に示すます。

【システム構成】 MATLAB　R2018a

    {'Computer Vision System Toolbox'    }
    {'Financial Toolbox'                  }
    {'Image Acquisition Toolbox'          }
    {'Image Processing Toolbox'           }                             
    {'Neural Network Toolbox'            }
    {'Parallel Computing Toolbox'         }
    {'Signal Processing Toolbox'           }
    {'Statistics and Machine Learning Toolbox'}

【出力内容】

*************************************************************************
次のオブジェクト クラスに対する Faster R-CNN オブジェクト検出器の学習:
* vehicle
手順 1/4: 領域提案ネットワーク (RPN) の学習。
単一の GPU で学習中。
|================================================================================
|  Epoch  |  Iteration  |  Time Elapsed  |  Mini-batch  |  Mini-batch  |  Base Learning  |
|         |             |   (hh:mm:ss)   |   Accuracy   |     RMSE     |      Rate       |
|================================================================================
|       1 |           1 |       00:00:17 |       41.41% |         1.00 |      1.0000e-05 |
|       1 |          50 |       00:00:21 |       53.13% |         1.07 |      1.0000e-05 |
　　　（途中省略）
|      10 |        1750 |       00:02:19 |       92.97% |         0.96 |      1.0000e-05 |
|      10 |        1770 |       00:02:21 |       45.67% |         1.01 |      1.0000e-05 |
|================================================================================
手順 2/4: 手順 1 の RPN を使用した Fast R-CNN ネットワークの学習。
*******************************************************************
次のオブジェクト クラスに対する Fast R-CNN オブジェクト検出器の学習:
* vehicle
--> 177 個の学習イメージから領域提案を抽出中...完了。
単一の GPU で学習中。
|================================================================================
|  Epoch  |  Iteration  |  Time Elapsed  |  Mini-batch  |  Mini-batch  |  Base Learning  |
|         |             |   (hh:mm:ss)   |   Accuracy   |     RMSE     |      Rate       |
|================================================================================
|       1 |           1 |       00:00:02 |       48.44% |         1.07 |      1.0000e-05 |
|       1 |          50 |       00:00:04 |       96.09% |         1.10 |      1.0000e-05 |
　　　（途中省略）
|      10 |        1650 |       00:01:01 |       89.06% |         1.02 |      1.0000e-05 |
|      10 |        1680 |       00:01:02 |       99.22% |         1.16 |      1.0000e-05 |
|================================================================================
手順 3/4: 重みを Fast R-CNN と共有で使用した RPN の再学習。
単一の GPU で学習中。
|================================================================================
|  Epoch  |  Iteration  |  Time Elapsed  |  Mini-batch  |  Mini-batch  |  Base Learning  |
|          |            |   (hh:mm:ss)   |   Accuracy   |     RMSE   |      Rate       |
|================================================================================
|       1 |           1 |       00:00:00 |       50.78% |         1.07 |      1.0000e-06 |
|       1 |          50 |       00:00:03 |       42.97% |         1.21 |      1.0000e-06 |
　　　（途中省略）
|      10 |        1750 |       00:01:54 |       79.69% |         1.03 |      1.0000e-06 |
|      10 |        1770 |       00:01:56 |       60.94% |         1.13 |      1.0000e-06 |
|================================================================================
手順 4/4: 更新された RPN を使用した Fast R-CNN の再学習。
*******************************************************************
次のオブジェクト クラスに対する Fast R-CNN オブジェクト検出器の学習:
* vehicle
--> 177 個の学習イメージから領域提案を抽出中...完了。
単一の GPU で学習中。
|================================================================================
|  Epoch  |  Iteration  |  Time Elapsed  |  Mini-batch  |  Mini-batch  |  Base Learning  |
|          |            |   (hh:mm:ss)   |   Accuracy   |     RMSE   |      Rate      |
|================================================================================
|       1 |           1 |       00:00:00 |       93.75% |         0.85 |      1.0000e-06 |
|       1 |          50 |       00:00:01 |       95.31% |         1.08 |      1.0000e-06 |
　　　（途中省略）
|      10 |        1500 |       00:00:44 |       98.44% |         0.83 |      1.0000e-06 |
|      10 |        1550 |       00:00:46 |       94.53% |         1.04 |      1.0000e-06 |
|================================================================================
Faster R-CNN オブジェクト検出器の学習が終了しました。
エラー: insertObjectAnnotation
LABELは空以外にする必要があります。
エラー: insertObjectAnnotation
エラー: insertObjectAnnotation
エラー: insertObjectAnnotation
エラー: fasterRCNNtrue (line 131)
I = insertObjectAnnotation(I, 'rectangle', bboxes, scores);

以上

Ryousuke Imanishi 2018-9-6

在 MATLAB Online 中打开

ご回答有難うございます。提供されたプログラム部分を下記のように挿入して走らせましたところ、すべての画像において検出さず、元の自動車の画像のみが表示されます。宜しくお願い致します。

%*********************************************** doTrainingAndEval = true;

if doTrainingAndEval % Set random seed to ensure example training reproducibility. rng(0);

    % Train Faster R-CNN detector. Select a BoxPyramidScale of 1.2 to allow
    % for finer resolution for multiscale object detection.
    detector = trainFasterRCNNObjectDetector(trainingData, layers, options, ...
        'NegativeOverlapRange', [0 0.3], ...
        'PositiveOverlapRange', [0.6 1], ...
        'BoxPyramidScale', 1.2);
else
    % Load pretrained detector for the example.
    detector = data.detector;
end
%
%**************************************************
% To quickly verify the training, run the detector on a test image.
%
images = cell(10,1);
for k = 1:10
      % Read a test image.
      I = imread(testData.imageFilename{k});
      % Run the detector.
      [bboxes,scores] = detect(detector,I);
      % Annotate detections in the image.
      if isempty(scores)
          images{k} = I;
      else
          images{k} = insertObjectAnnotation(I,'rectangle',bboxes,scores);
      end
  end
figure, montage(images)
%
%**************************************************