我正在尝试使用 D-lib 训练对象检测器。我选择了近 100 张图像进行训练。我使用的是Python环境。根据文档，我使用 Imglab 工具在图像上绘制边界框。每张图像的大小几乎为 4000*3000 像素。 然后将生成的XML文件放入我的位置并调用检测器程序。这是我的疑问和疑问。
运行程序时我应该使用什么作为测试 XML 文件？ 我运行时没有分配任何测试 XML。但是，我得到以下信息。使用 C 进行训练:5 使用 epsilon 进行训练:0.01 使用 8 个线程进行训练。使用 81 像素宽 x 79 像素高的滑动窗口进行训练。对左右翻转版本的图像进行训练。被杀 顺便问一下，“被杀”是什么意思？
我现在应该做什么？请指导!
最佳答案
测试 XML 文件提供图像和对象注释，用于检查对象检测的准确性。该文件可以使用 imglab 生成，就像训练 XML 一样。它应包含与您的训练数据集相似但不相同的数据。
Killed 消息是由于内存问题造成的。在Linux中，这是OOM Killer的结果。由于图像太大，您的机器内存不足并终止了训练过程。
可能的解决方案:
1) Configure the OOM killer允许 dlib 使用更多内存。
2) 如果可能适合您的应用程序，请缩小图像。
3) 使用内存更大的机器。如果您手头没有，AWS 提供了几种高 RAM EC2 options成本相对较低。
关于python - D-lib 物体检测器训练，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39024165/