matlab yolo v3 코드 에러

안녕하세요.

matlab에서 배포한 yolo v3 코드에서 제 데이터세트(multi-class)로 학습시에 아래와 같은 오류가 계속 발생합니다.

(yolo-v3 예제인 vehicleDataset(single class)에서는 정상적으로 작동합니다.)

다음 사용 중 오류가 발생함: bboxOverlapRatio

'bboxA'의 값이 유효하지 않습니다. 입력값은(는) 유한함(finite)이어야 합니다.

오류 발생: bboxOverlapRatio>validateAndParseInputs (line 195)

parser.parse(bboxA,bboxB,varargin{:});

오류 발생: bboxOverlapRatio>iParseInputs (line 94)

[bboxA, bboxB, ratioType] = validateAndParseInputs(bboxA, bboxB, varargin{:});

오류 발생: bboxOverlapRatio (line 55)

[bboxA, bboxB, ratioType, isUsingCodeGeneration] = iParseInputs(bboxA,bboxB,varargin{:});

오류 발생: generateTargets>getMaxIOUPredictedWithGroundTruth (line 138)

overlap = bboxOverlapRatio(predb,truthBatch);

오류 발생: generateTargets (line 45)

iou = getMaxIOUPredictedWithGroundTruth(bx,by,bw,bh,groundTruth);

오류 발생: modelGradients (line 16)

[boxTarget, objectnessTarget, classTarget, objectMaskTarget, boxErrorScale] = generateTargets(gatheredPredictions, YTrain, inputImageSize, anchors, mask, penaltyThreshold);

오류 발생: deep.internal.dlfeval (line 18)

[varargout{1:nout}] = fun(x{:});

오류 발생: dlfeval (line 41)

[varargout{1:nout}] = deep.internal.dlfeval(fun,varargin{:});

오류 발생: multi_class_yolov3_smd_v2 (line 207)

[gradients,loss,state] = dlfeval(@modelGradients, net, XTrain, YTrain, anchorBoxes, anchorBoxMasks, penaltyThreshold, networkOutputs);

이와 유사한 에러를 겪은 다른 사용자의 글에서도 답변이 제대로 달려있지 않아 디버그에 어려움을 겪고 있습니다.

(https://kr.mathworks.com/matlabcentral/answers/549312-yolov3-minibatchsize-problem)

(https://kr.mathworks.com/matlabcentral/answers/522217-yolov3-upsamplelayer-problem)

제 데이터 세트로 yolo-v2 나 ssd는 제대로 동작하는데 yolo-v3에서만 에러가 나서 matlab에서 제공하는 코드에서 에러가 발생하는 것으로 생각됩니다.

답변부탁드립니다.

감사합니다.

matlab 버전 : 2020a

Answer 1

[Srivardhan Gadila]

The error message "The value of 'bboxA' is invalid. Expected input to be finite." would occur when input to the function bboxOverlapRatio is NaN/Inf, this implies that the network is producing NaN/Inf values during training. This is a known issue and it might be fixed in the future releases.

You can try the following things which might help you avoid getting NaNs/Infs during training:

1. Reduce the Learning Rate.

2. Increase the warm-up period.

3. Increase the minibatch-size.