在自己定义的数据集上训练后 test的输出结果图片是全黑（没有检测到目标）

[jaffe-fly]

这是什么原因造成的，并且配置文件是按照官网的配置训练了100epoch，可以看到损失降低了。 另外 在val的时候 输出也看不懂

[wuyefeilin]

麻烦你给一下你的训练数据的信息和训练日志开头关于配置的信息

[jaffe-fly]

########################## 基本配置 ###########################################

训练时图像裁剪尺寸（宽，高）

TRAIN_CROP_SIZE: (512, 512) # (width, height), for unpadding rangescaling and stepscaling EVAL_CROP_SIZE: (1997, 1024) # (width, height), for unpadding rangescaling and stepscaling BATCH_SIZE: 4 ########################### 数据增强配置 ###################################### AUG:

图像resize的方式有三种：

# unpadding（固定尺寸），stepscaling（按比例resize），rangescaling（长边对齐）
AUG_METHOD: "stepscaling" # choice unpadding rangescaling and stepscaling
# 图像resize的固定尺寸（宽，高），非负
#FIX_RESIZE_SIZE: (512, 512) # (width, height), for unpadding

# 图像resize方式为rangescaling, 测试验证可视化模式下长边resize的长度，
# 在MIN_RESIZE_VALUE到MAX_RESIZE_VALUE范围内
#INF_RESIZE_VALUE: 500  # for rangescaling
# 图像resize方式为rangescaling，训练时长边resize的范围最大值，
# 不小于MIN_RESIZE_VALUE
#MAX_RESIZE_VALUE: 600  # for rangescaling
# 图像resize方式为rangescaling，训练时长边resize的范围最小值，非负
#MIN_RESIZE_VALUE: 400  # for rangescaling

# 图像resize方式为stepscaling，resize最大尺度，不小于MIN_SCALE_FACTOR
MAX_SCALE_FACTOR: 1.25  # for stepscaling
# 图像resize方式为stepscaling，resize最小尺度，非负
MIN_SCALE_FACTOR: 0.75  # for stepscaling
# 图像resize方式为stepscaling，resize尺度范围间隔，非负
SCALE_STEP_SIZE: 0.25  # for stepscaling

# 图像镜像左右翻转
MIRROR: True
# 图像上下翻转开关，True/False
FLIP: True
# 图像启动上下翻转的概率，0-1
FLIP_RATIO: 0.5

RICH_CROP:
    # RichCrop数据增广开关，用于提升模型鲁棒性
    ENABLE: True
    # 图像旋转最大角度，0-90
    MAX_ROTATION: 15
    # 裁取图像与原始图像面积比，0-1
    MIN_AREA_RATIO: 0.5
    # 裁取图像宽高比范围，非负
    ASPECT_RATIO: 0.33
    # 亮度调节范围，0-1
    BRIGHTNESS_JITTER_RATIO: 0.5
    # 饱和度调节范围，0-1
    SATURATION_JITTER_RATIO: 0.5
    # 对比度调节范围，0-1
    CONTRAST_JITTER_RATIO: 0.5
    # 图像模糊开关，True/False
    BLUR: True
    # 图像启动模糊百分比，0-1
    BLUR_RATIO: 0.1

########################## 数据集配置 ######################################### DATASET: DATA_DIR: r"/home/aistudio/work/dataset" IMAGE_TYPE: "rgb" # choice rgb or rgba NUM_CLASSES: 2 TEST_FILE_LIST: r"/home/aistudio/work/dataset/test.txt" TRAIN_FILE_LIST: r"/home/aistudio/work/dataset/train.txt" VAL_FILE_LIST: r"/home/aistudio/work/dataset/val.txt"

Tensorboard 可视化的数据集

VIS_FILE_LIST: r"/home/aistudio/work/dataset/test.txt"
# 忽略的像素标签值, 默认为255，一般无需改动
IGNORE_INDEX: 255
# 数据列表分割符, 默认为空格
SEPARATOR: " "

########################## 预测部署模型配置 ################################### FREEZE:

预测保存的模型名称

MODEL_FILENAME: "__model__"
# 预测保存的参数名称
PARAMS_FILENAME: "__params__"
# 预测模型参数保存的路径
# SAVE_DIR: r'/home/aistudio/work/freeze_model'

########################## 模型通用配置 ####################################### MODEL:

模型名称, 已支持deeplabv3p, unet, icnet，pspnet，hrnet

MODEL_NAME: "deeplabv3p"
# BatchNorm类型: bn、gn(group_norm)
DEFAULT_NORM_TYPE: "bn"
# 多路损失加权值
MULTI_LOSS_WEIGHT: [1.0]
# DEFAULT_NORM_TYPE为gn时group数
DEFAULT_GROUP_NUMBER: 32
# 极小值, 防止分母除0溢出，一般无需改动
DEFAULT_EPSILON: 1e-5
# BatchNorm动量, 一般无需改动
BN_MOMENTUM: 0.99
# 是否使用FP16训练
FP16: False
########################## DeepLab模型配置 ####################################
DEEPLAB:
    # DeepLab backbone 配置, 可选项xception_65, mobilenetv2
    BACKBONE: "mobilenetv2"
    # MobileNet v2 backbone scale 设置
    DEPTH_MULTIPLIER: 2.0
    # MobileNet v2 backbone scale 设置
    ENCODER_WITH_ASPP: False
    # MobileNet v2 backbone scale 设置
    ENABLE_DECODER: False

########################### 训练配置 ########################################## TRAIN: PRETRAINED_MODEL_DIR: r"/home/aistudio/PaddleSeg/pretrained_model/deeplabv3p_mobilenetv2-2-0_bn" MODEL_SAVE_DIR: r"/home/aistudio/work/saved_model/deeplabv3p_mobilenetv2-2-0_bn"

模型参数保存的epoch间隔数，可用来继续训练中断的模型

SNAPSHOT_EPOCH: 10

TEST: TEST_MODEL: r"/home/aistudio/work/saved_model/deeplabv3p_mobilenetv2-2-0_bn/final" ########################### 模型优化相关配置 ################################## SOLVER:

训练epoch数，正整数

NUM_EPOCHS: 100
LR: 0.005
# 学习率下降方法, 支持poly piecewise cosine 三种
LR_POLICY: "poly"
# 优化算法, 支持SGD和Adam两种算法
OPTIMIZER: "sgd"
# 是否开启warmup学习策略
LR_WARMUP: True
# warmup的迭代次数
LR_WARMUP_STEPS: 2000

[wuyefeilin]

这边的1出现的很奇怪，你确定数据集的标注没有问题？你数据集的标签是什么？

[jaffe-fly]

训练集标签和图片是这样子的 网上直接下载的 没看出什么问题

[wuyefeilin]

你这边的标签只有两类，看你的标注图应该分别对应着0和255，你把255的值改成1就可以了，让两个类别的标签分别对应0和1。在PaddleSeg里，255对应的是被忽略的像素。

[jaffe-fly]

IGNORE_INDEX: 1 是改这个吗？ 改动之后是否需要重新训练？

[HOLLIZHAO]

这个是你的标注图不对导致的。PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。你把图转成ndarray看下就知道了，你的这个火的标注在ndarray里面的值肯定是255了，把它改成1就可以了。但是图片就变成一片黑了，不过这正好说明标注图已经正确了。PaddleSeg 数据准备

[ZeyuChen]

@HOLLIZHAO 感谢这位同学的解答，你说的是对的。@jaffe-fly 可以参考下Holli同学的解答。

[Suzi1213]

这个是你的标注图不对导致的。PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。你把图转成ndarray看下就知道了，你的这个火的标注在ndarray里面的值肯定是255了，把它改成1就可以了。但是图片就变成一片黑了，不过这正好说明标注图已经正确了。PaddleSeg 数据准备

请问您说的这个改成1是怎么改？我也遇到了这个问题。

[HOLLIZHAO]

这个是你的标注图不对导致的。PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。你把图转成ndarray看下就知道了，你的这个火的标注在ndarray里面的值肯定是255了，把它改成1就可以了。但是图片就变成一片黑了，不过这正好说明标注图已经正确了。PaddleSeg 数据准备

请问您说的这个改成1是怎么改？我也遇到了这个问题。

test_png = 'C:/test.png'
imagedata = cv2.imread(test_png, COLOR_BGR2GRAY)  #使用openCV以灰度图读取图片；
imagedata[imagedata > 0] = 1  #将不为0的数值全部改成1；(0在PaddleSeg中默认为背景色类。PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。)