matlab训练yolov2得时候报错

Question

在使用matlab训练yolov2得时候报错：设置类 'nnet.cnn.TrainingOptions' 的属性 'ValidationData' 时出错。数据存储上定义的变换函数无效。
错误使用 vision.internal.cnn.validationReportUtils.updateValidationDataTransform
设置类 'nnet.cnn.TrainingOptions' 的属性 'ValidationData' 时出错。数据存储上定义的变换函数无效。
出错 trainYOLOv2ObjectDetector>iParseInputsYolov2 (第 330 行)
options = vision.internal.cnn.validationReportUtils.updateValidationDataTransform(options,applyTransformFcn);
出错 trainYOLOv2ObjectDetector (第 211 行)
[trainingData, lgraph, params, options] = iParseInputsYolov2(...
出错 Untitled (第 84 行)
[detector,info] = trainYOLOv2ObjectDetector(preprocessedTrainingData,lgraph,options);

Answer 1

引自免费微信小程序：皆我百晓生

这个错误通常是因为在提供给trainYOLOv2ObjectDetector函数的验证数据（ValidationData）中，其图像预处理变换函数不正确或不可用。要解决这个问题，你需要检查以下几个方面：

1. 确保提供的ValidationData是一个包含图像数据、标签和变换函数的数据结构。这通常是通过 imageDatastore创建的，并且在创建时指定了正确的transformFunction。

2. 检查你的transformFunction是否与训练数据使用的transformFunction兼容。通常情况下，如果你对训练数据应用了某种变换（例如缩放、归一化等），你也应该在验证数据上执行相同的变换。

这里是一个示例，展示了如何创建一个ImageDatastore并为其指定一个变换函数：

% 假设你有训练图像文件夹路径trainFolder和验证图像文件夹路径valFolder
% 以及相应的标签文件folderAnnotation_train.txt和folderAnnotation_val.txt

% 创建训练数据集
trainAnnFile = fullfile(trainFolder, 'folderAnnotation_train.txt');
trainData = imageDatastore(trainFolder, 'IncludeSubfolders', true, ...
    'LabelSource', 'foldernames', 'ReadFcn', @readJPEG);
trainData = addMetadata(trainData, readAnnotations(trainAnnFile), 'LabelNames');

% 创建验证数据集
valAnnFile = fullfile(valFolder, 'folderAnnotation_val.txt');
valData = imageDatastore(valFolder, 'IncludeSubfolders', true, ...
    'LabelSource', 'foldernames', 'ReadFcn', @readJPEG);
valData = addMetadata(valData, readAnnotations(valAnnFile), 'LabelNames');

% 定义变换函数
preprocessFcn = @(data) preprocessData(data); % 这里是你的预处理函数，例如归一化、调整大小等

% 应用变换函数到训练和验证数据集中
trainData = augmentedImageDatastore([320 320], trainData, 'ColorPreprocessing', preprocessFcn);
valData = augmentedImageDatastore([320 320], valData, 'ColorPreprocessing', preprocessFcn);

% 训练YOLOv2对象检测器
lgraph = yolov2ObjectDetectionLayer('BoxSize', [32 32], 'NumClasses', numClasses, ... % 根据实际情况填写
                                    'AnchorBoxes', anchorBoxes, ... % 根据实际情况填写
                                    'FeatureExtractor', 'resnet50'); % 或者其他预训练网络名称
options = trainingOptions('sgdm', 'MaxEpochs', 10, 'MiniBatchSize', 8, 'InitialLearnRate', 1e-3, ...
                         'Plots', 'training-progress', 'Verbose', false, ...
                         'ValidationData', valData, 'ValidationFrequency', 10);

[detector, info] = trainYOLOv2ObjectDetector(trainData, lgraph, options);

确保preprocessFcn是正确的，并且与训练数据的预处理相同。如果你的预处理函数有问题，可以尝试移除它，看看问题是否仍然存在。如果问题解决了，那么可能就需要重新定义或修复你的预处理函数。

如果你不确定如何定义预处理函数，可以参考MATLAB官方文档中的示例：https://www.mathworks.com/help/vision/ref/trainyolov2objectdetector.html#buw7xqo-1

如果你的问题依然存在，请提供更多关于你的数据和预处理函数的信息，以便我可以更准确地帮你定位问题。