MMPose 自定义数据集训练中的关键点评估问题解析
2025-06-03 16:13:41作者:蔡怀权
在使用 MMPose 进行自定义数据集训练时,开发者可能会遇到一个常见的评估错误:"ValueError: operands could not be broadcast together with shapes (7,) (0,)"。这个问题通常出现在验证阶段,特别是在使用 CocoMetric 进行评估时。
问题根源分析
该错误的根本原因在于数据集配置中的 sigmas
参数设置不当。在 MMPose 的评估流程中,sigmas
参数用于计算 OKS (Object Keypoint Similarity) 分数,这是一个衡量关键点检测准确度的重要指标。
当 sigmas
被设置为空列表 []
时,系统无法正确计算关键点之间的相似度,导致广播操作失败,从而抛出形状不匹配的错误。
解决方案
1. 正确设置 sigmas 参数
sigmas
应该是一个包含每个关键点标准差的列表,其长度必须与数据集中的关键点数量一致。例如,对于包含7个关键点的数据集:
dataset_info = dict(
dataset_name='CocoCustom',
keypoint_info={
0: dict(name='kp_1', id=1, color=[51, 153, 255], type='', swap=''),
# ... 其他关键点定义
},
skeleton_info={},
joint_weights=[],
sigmas=[0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05] # 7个关键点对应7个sigma值
)
2. 理解 sigma 的含义
每个关键点的 sigma 值代表了该关键点的标注不确定性,通常取值范围在0.01到0.1之间:
- 较小的 sigma 值表示关键点位置更精确(如眼睛中心)
- 较大的 sigma 值表示关键点位置可能有一定变化范围(如肩膀位置)
对于大多数应用场景,可以暂时使用相同的中间值(如0.05),待模型初步训练后再根据实际表现调整。
3. 其他相关参数配置
除了 sigmas
外,完整的评估配置还应考虑:
val_evaluator = dict(
type='CocoMetric',
ann_file='path/to/annotations.json',
nms_mode='none',
score_mode='keypoint', # 或'bbox'取决于评估方式
keypoint_metric=['AP', 'AR'], # 选择需要的评估指标
use_area=False # 是否使用标注中的area信息
)
最佳实践建议
- 数据集完整性检查:在训练前确保所有关键点都有对应的 sigma 值
- 参数调优:根据关键点类型调整不同的 sigma 值,可见性高的关键点使用较小值
- 评估指标选择:根据实际需求选择合适的评估指标组合
- 逐步验证:先在小批量数据上验证配置正确性,再扩展到整个数据集
总结
在 MMPose 中使用自定义数据集时,正确配置评估参数特别是 sigmas
值至关重要。这不仅关系到模型评估的准确性,也直接影响训练过程中的损失计算。通过合理设置这些参数,开发者可以确保模型训练和评估流程顺利进行,从而获得更准确的关键点检测模型。
对于初学者,建议参考 MMPose 官方文档中关于标准数据集的配置示例,逐步理解各参数的含义和作用,再应用到自己的项目中。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
198
279

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

Ascend Extension for PyTorch
Python
50
81

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
556

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1 K
397

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191