YOLO4の学習デー​タセットにラベル無し​の画像を含めて良いか​？

【質問】

以下のような、ラベル無しの画像を学習データセットに含めても問題ないでしょうか？

【背景】

YOLO4を転移学習しようとしていますが、エラーになってしまいます。

学習データセットの作りが原因では？と考え、質問させて頂いております。

【実行コード】

imds = imageDatastore(imageDir);

blds = boxLabelDatastore(gTruth.LabelData);

ds = combine(imds, blds);

% MATLAB例題の補助関数そのまま使用。

targetSize = [608 608];

augds = transform(ds,...

@(data)resizeImageAndLabel(data,targetSize));

% augdsの全体的なサイズ(ここでは画像の枚数)

numData = 95;

% 分割比率を設定

trainRatio = 0.60;

validationRatio = 0.20;

testRatio = 0.20;

% 各セットのデータ数を計算

numTrain = round(numData * trainRatio);

numValidation = round(numData * validationRatio);

numTest = round(numData * testRatio);

% ランダムにデータストアを並べ替え（オプション）

augds = shuffle(augds);

% 分割

trainDatastore = subset(augds, 1:numTrain);

validationDatastore = subset(augds, numTrain+1:numTrain+numValidation);

testDatastore = subset(augds, numTrain+numValidation+1:numTrain+numValidation+numTest);

% アンカーボックスの数を指定する

numAnchors = 9;

% 学習データからアンカーボックスを推定する

[anchors, meanIoU] = estimateAnchorBoxes(augds, numAnchors);

% 面積でソートする

area = anchors(:,1).*anchors(:,2);

[~, idx] = sort(area, "descend");

anchors = anchors(idx,:);

% 各出力層にアンカーボックスを割り当てる

anchorBoxes = {anchors(1:3,:); anchors(4:6,:); anchors(7:9,:)};

% 転移学習モデル作成

name = "csp-darknet53-coco";

classes = {'rock', 'paper', 'scissors'};

detector = yolov4ObjectDetector(name,classes,anchorBoxes);

analyzeNetwork(detector.Network);

% 転移学習モデルの学習実行

options = trainingOptions("sgdm", ...

InitialLearnRate=0.001, ...

MiniBatchSize=2,...

MaxEpochs=30, ...

BatchNormalizationStatistics="moving",...

ResetInputNormalization=false,...

VerboseFrequency=25);

train_detector = trainYOLOv4ObjectDetector(trainDatastore,detector,options);

【エラー内容(実行結果)】

train_detector = trainYOLOv4ObjectDetector(trainDatastore,detector,options);

*************************************************************************

次のオブジェクト クラスに関する YOLO v4 オブジェクト検出器の学習:

* rock

* paper

* scissors

Epoch Iteration TimeElapsed LearnRate TrainingLoss

_____ _________ ___________ _________ ____________

次を使用中のエラー: reshape

要素数を変更してはなりません。その次元の適切なサイズを自動計算するには、[] をサイズ入力の 1 つとして使用してください。

エラー: trainYOLOv4ObjectDetector>iGetMaxIOUPredictedWithGroundTruth (行 425)

iou(:,:,:,batchSize) = reshape(maxOverlap,h,w,c);

エラー: trainYOLOv4ObjectDetector>iGenerateTargets (行 319)

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

エラー: trainYOLOv4ObjectDetector>calculateLoss (行 234)

[boxTarget, objectnessTarget, classTarget, objectMaskTarget, boxErrorScale] = iGenerateTargets(gatheredPredictions, YTrain, params.InputSize, params.AnchorBoxes, penaltyThreshold);

エラー: trainYOLOv4ObjectDetector>@(varargin)calculateLoss(lossParams,varargin) (行 167)

lossFcn = @(varargin) calculateLoss(lossParams,varargin);

エラー: images.dltrain.internal.SerialTrainer>modelGradients (行 139)

loss = lossFcn(networkOutputs{:},targets{:});

エラー: deep.internal.dlfeval (行 17)

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

エラー: deep.internal.dlfevalWithNestingCheck (行 15)

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

エラー: dlfeval (行 31)

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

エラー: images.dltrain.internal.SerialTrainer/fit (行 76)

[loss,grad,state,networkOutputs,lossData] = dlfeval(@modelGradients,self.Network,self.LossFcn,...

エラー: images.dltrain.internal.dltrain (行 102)

net = fit(networkTrainer);

エラー: trainYOLOv4ObjectDetector (行 183)

[trainedDetector,infoTrain] = images.dltrain.internal.dltrain(mbq,detector,options,lossFcn,metrics,validationPatienceMetric,'ExperimentMonitor',params.ExperimentMonitor);