关于Faster R-CNN目标检测自己的数据集中进入（Pdb）状态的总结

在实现了的Faster R-CNN程序后，自建数据集来制作自己的目标检测模型。修改的内容无外乎数据的类型和数据的种类。【这里的程序当然是dBeker大神的程序咯https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5 】
在训练数据集时有时会出现下面这个问题：
————————————————————————————————
\faster-rcnn-tensorflow-python3.5\lib\layer_utils\proposal_target_layer.py
(139)_sample_rois()
-> keep_inds = np.append(fg_inds, bg_inds)
(Pdb)
————————————————————————————————
然后就会一直处在这个状态不再继续进行，不开心很烦气。我一开始是直接关掉重新训练，说来奇怪，我只在第一次训练时碰到了这种情况，那这种情况是由什么原因引起的呢？
这里beyond_xnsx的博文中提到过这个问题《https://blog.csdn.net/beyond_xnsx/article/details/79771690#commentsedit》。
作者尝试了两个方法：1与gt（自己标注）框的大小有关；2与图片尺寸有关。
针对1，作者重新标注了数据，避开了一些特别小的框，问题没有解决。
针对2，作者的图片大小为12801024，而样例数据集中大多集中于600600，so，作者将自己的数据集处理为512*512后，解决了问题。
更新与2019.05.21.16：50
待续

---

2019.05.30.17:20
博主“苏打水的杯子”的博文《Faster rcnn 模型更改（添加\删除卷积层）》中也提到了这个问题。
博主对应的办法为：
将config.py中的这两句里面的值由0.5,0.1，分别改为0.3,0.0。

tf.app.flags.DEFINE_float('roi_bg_threshold_high', 0.5, "Overlap threshold for a ROI to be considered background (class = 0 if overlap in [LO, HI))")
tf.app.flags.DEFINE_float('roi_bg_threshold_low', 0.1, "Overlap threshold for a ROI to be considered background (class = 0 if overlap in [LO, HI))")