D-lib 对象检测器训练
D-lib object detector training
我正在尝试使用 D-lib 训练对象检测器。我选择了近 100 张图像进行训练。我正在使用 Python 环境。根据文档,我使用 Imglab 工具在图像上绘制边界框。每张图片的大小几乎是 4000*3000 像素。
然后把生成的XML文件放到我的位置,调用检测程序。这是我的疑惑和问题。
在 运行 程序中我应该使用什么作为测试 XML 文件?
我 运行 没有分配任何测试 XML 到位。但是,我得到以下信息。使用 C 进行训练:5 使用 epsilon 进行训练:0.01 使用 8 个线程进行训练。使用滑动 window 81 像素宽 x 79 像素高进行训练。在图像的左右翻转版本上进行训练。被杀
'killed' 是什么意思?
我现在该怎么办?请指导!
测试 XML 文件提供图像和对象注释,用于检查对象检测的准确性。可以像训练一样使用 imglab 生成文件 XML。它应该包含与您的训练数据集相似但不相同的数据。
Killed
消息是由于内存问题。在Linux中是OOM Killer的结果。由于图像太大,您的机器 运行 内存不足并终止了训练过程。
可能的解决方案:
1) Configure the OOM killer 允许 dlib 使用更多内存。
2) 如果您的应用程序可能,请缩小图像。
3) 使用内存更大的机器。如果您手边没有,AWS 以相对较低的成本提供了几种高 RAM EC2 options。
我正在尝试使用 D-lib 训练对象检测器。我选择了近 100 张图像进行训练。我正在使用 Python 环境。根据文档,我使用 Imglab 工具在图像上绘制边界框。每张图片的大小几乎是 4000*3000 像素。 然后把生成的XML文件放到我的位置,调用检测程序。这是我的疑惑和问题。
在 运行 程序中我应该使用什么作为测试 XML 文件? 我 运行 没有分配任何测试 XML 到位。但是,我得到以下信息。使用 C 进行训练:5 使用 epsilon 进行训练:0.01 使用 8 个线程进行训练。使用滑动 window 81 像素宽 x 79 像素高进行训练。在图像的左右翻转版本上进行训练。被杀 'killed' 是什么意思?
我现在该怎么办?请指导!
测试 XML 文件提供图像和对象注释,用于检查对象检测的准确性。可以像训练一样使用 imglab 生成文件 XML。它应该包含与您的训练数据集相似但不相同的数据。
Killed
消息是由于内存问题。在Linux中是OOM Killer的结果。由于图像太大,您的机器 运行 内存不足并终止了训练过程。
可能的解决方案:
1) Configure the OOM killer 允许 dlib 使用更多内存。
2) 如果您的应用程序可能,请缩小图像。
3) 使用内存更大的机器。如果您手边没有,AWS 以相对较低的成本提供了几种高 RAM EC2 options。