lazyn

Results 14 issues of lazyn

欢迎您使用PaddleClas并反馈相关问题,非常感谢您对PaddleClas的贡献! 提出issue时,辛苦您提供以下信息,方便我们快速定位问题并及时有效地解决您的问题: 1. PaddleClas版本:PaddleClas release/2.2 ![image](https://user-images.githubusercontent.com/34644177/182406716-48a598a6-b29b-408f-822c-f18968713708.png) 如图所示,请问VehicleNeck执行Flatten()操作后输出向量尺寸是[bs, 512*14*14]吗?

我使用ResNet50_ReID.yaml配置文件训练图像识别模型,训练数据总共有1990个类,按照[CUB_200_2011数据集划分方式随机将1990个类划分为1790(train_list)+200(test_list)的组合 ![image](https://user-images.githubusercontent.com/34644177/157692203-a605cc54-b6e6-4ad7-8a96-4af03fcd07b5.png) 那么我配置文件中的class_num应该如何设置,我设置成1990会报下面的错误 ![image](https://user-images.githubusercontent.com/34644177/157691684-8e37ab94-ebc4-44da-8a88-0078191e1915.png) 这个错误的原因是什么呢,难道计算label时是从0开始吗?

如[PaddleClas](https://github.com/PaddlePaddle/PaddleClas)/[deploy](https://github.com/PaddlePaddle/PaddleClas/tree/release/2.3/deploy)/[utils](https://github.com/PaddlePaddle/PaddleClas/tree/release/2.3/deploy/utils)/draw_bbox.py中代码所写, ![image](https://user-images.githubusercontent.com/34644177/161435003-796440d0-f587-4b60-9827-2babb6ed1361.png) 绘制出的标签框会出现错位或者显示不全的问题,共有两种情况 > ymin - th > 0 绘制目标框的最左端值为xmin,而绘制标签框最左端的值为xmin + 1,这样就会造成目标框与标签框有一个像素的错位 ![QQ截图20220403233044](https://user-images.githubusercontent.com/34644177/161435573-6fd89ef8-e4c2-4ca3-88dc-d29ec19fb5e0.jpg) > ymin - th ≤ 0 绘制目标框的最左端值为xmin,而绘制标签框最左端的值为xmin + 1,然而目标框的width=2,并且先绘制文本以及文本框,会绘制目标框,势必会造成目标框对文本有一个像素的遮挡 ![QQ截图20220403233031](https://user-images.githubusercontent.com/34644177/161435578-647258ab-9f8f-4f2b-9acc-ad126f30cc89.jpg) 建议对上述的情况进行改进,同时由于识别图片的大小不同,建议设置可变的字体大小与目标框宽度从而在不同图片上都有很好的显示效果

解决predict_det.py未检测到目标时出错的问题,将self.parse_det_results处理放置到判断语句内,else时执行该操作,未检测到目标时不执行该操作,并且将results = []移到if条件下,因为results = np.array([])不能执行append操作,会在predict_system.py内报错,报错如下图 ![image](https://user-images.githubusercontent.com/34644177/167418195-a23994af-d610-43a5-be19-d26a3b64010d.png)

contributor
status: proposed

修复识别结果标签框显示错位或不全的问题,并增加边框宽度可随图片大小变化的功能,同时绘制标签时会在左侧空出绘制框线的宽度,防止绘制的目标框遮挡标签(https://github.com/PaddlePaddle/PaddleClas/issues/1809)

contributor
status: proposed

欢迎您使用PaddleClas并反馈相关问题,非常感谢您对PaddleClas的贡献! 提出issue时,辛苦您提供以下信息,方便我们快速定位问题并及时有效地解决您的问题: ### 必要信息 #### 1. PaddleClas版本以及PaddlePaddle版本 PaddleClas release/2.3 paddlepaddle-gpu 2.2.2.post112 #### 2. 最小可复现问题的方法 ##### 2.1 原始代码问题 我自己编写程序对视频内容进行识别,将每一帧传入predict_det.py进行检测,未对predict_det.py进行修改,然后当其未检测到目标时出错,因为未检测到目标时会得到空数组,对空数组进行结果处理会出现下标越界类似的问题 #### 3. 报错信息和log ![image](https://user-images.githubusercontent.com/34644177/167261400-1d09c016-926a-498e-80b2-f0067ef0204f.png) ### 补充信息 #### 1.训练环境信息: ##### 1.1 操作系统 Windows...

bug

欢迎您使用PaddleClas并反馈相关问题,非常感谢您对PaddleClas的贡献! 提出issue时,辛苦您提供以下信息,方便我们快速定位问题并及时有效地解决您的问题: ### 必要信息 ** 如果您不能提供以下必要信息,可能会影响问题解决的速度 ** #### 1. PaddleClas版本以及PaddlePaddle版本 PaddleClas release/2.3 #### 2. 最小可复现问题的方法 ##### 2.1 原始代码问题 deploy/configs/inference中label列表中的字段名称为labe_list,不应该为label_list吗,不知道是写错了还是故意为之 #### 2.修复建议 建议修改字段名为label_list,同时应该对deploy/python/predict.py中相关行代码进行修改,修改建议见下图: ![image](https://user-images.githubusercontent.com/34644177/167246939-f8314bb9-0163-4b7d-a564-b5f775774000.png) ![image](https://user-images.githubusercontent.com/34644177/167246983-6bc46bd4-766e-40b4-a67f-ff706ca65bd6.png)

bug

欢迎您使用PaddleClas并反馈相关问题,非常感谢您对PaddleClas的贡献! 提出issue时,辛苦您提供以下信息,方便我们快速定位问题并及时有效地解决您的问题: 1. PaddleClas版本以及PaddlePaddle版本:如PaddleClas release/2.5 文档image_recognition_pipeline/feature_extraction.md恢复训练部分关键字错误,文档中为-o Global.checkpoint,应该为-o Global.checkpoints

文档image_recognition_pipeline/feature_extraction.md恢复训练部分关键字错误,文档中为-o Global.checkpoint,应该为-o Global.checkpoints #2300

contributor
status: proposed

欢迎您使用PaddleClas并反馈相关问题,非常感谢您对PaddleClas的贡献! 提出issue时,辛苦您提供以下信息,方便我们快速定位问题并及时有效地解决您的问题: 1. PaddleClas版本以及PaddlePaddle版本:请您提供您使用的版本号或分支信息,如PaddleClas release/2.4和PaddlePaddle 2.3.2 3. 训练环境信息 a. 具体操作系统,Windows b. Python版本号,如Python3.7 c. CUDA/cuDNN版本, @如CUDA11.2/cuDNN 8.2 4. 使用ppcls/configs/Logo/ResNet50_ReID.yaml配置文件进行训练,仅修改数据文件以及batchsize,learningrate,评估过程中recall值输出正常,但map值为nan [2022/08/29 22:13:34] ppcls INFO: [Eval][Epoch 2][Avg]recall1: 0.05172, recall5: 0.20690, mAP: nan [2022/08/29...