Wangxi404
commented
8 months ago 您好，之前看了您的论文受益匪浅，现在我想在VOC数据集上进行半监督训练，并尽量复现您在论文中的效果（如下所示）：
，但与论文中的效果差了好多点，或许是我复现的过程和您的实现有出入，因此我有一些问题：
1、在使用VOC数据集进行训练时该使用哪一个配置文件，我使用的配置文件是源码中的configs/ssod/voc/yolov5l_voc_burn.yaml。但我发现这个配置文件中的pseudo_label_with_obj以及pseudo_label_with_bbox等你们在论文中的创新点反而都被默认设置为False了，这是正常的吗，如果要复现论文中的效果，就是要把它们设置为关闭吗？还是说我用错了配置文件？（我目前给它们设置为true了，并且300个epochs全用于半监督训练）
2、关于预训练权重，我有两个疑问。第一，如果想实现上图中第一个ours（也就是倒数第二行）的效果，需要使用预训练权重吗，需要的话该用哪一个？还是说直接从零开始训练即可（我之前从零开始训练过一次，在200个epoch时AP50达到78.55，AP50:95达到56.78左右，200个epochs左右后开始下降，分别与论文差两三个点，如果和预训练权重无关，有没有可能是seed的问题？或者上面提到的配置问题？）。第二，如果想要实现上图中第二个ours（也就是最后一行）的效果，文中提到使用了using a ImageNet pre-trained backbone，请问这部分release中有提供吗？请问您如果有的话是哪一个呢？参照论文，我目前复现用的也是yolov5l，和其相关的我在release中仅找到了efficient-yolov5l.pt和efficient-yolov5l-ssod.pt。我猜测前者是原始yolo5l.pt转化来的，我使用其作为预训练权重时，同样效果也差了几个点（比从零开始训练效果还差一点点，就是收敛的早，差不多100个epoch左右）；而后者我猜测是你们半监督训练好后的权重，因为我使用其作为预训练权重的话，整个过程在前十几个epoch就收敛了并且效果超过了上图中最后一行，但后续就开始缓慢下降，因此应该是过拟合了。总之，我并没有找到和using a ImageNet pre-trained backbone相关的权重文件，请问如果我想实现论文中的效果（上图中最后两行），我需要使用哪个预训练权重呢？
最后，或许我复现时还存在许多没有想到的地方和您在实现过程中也是不一样的，如果你发现了，还麻烦不吝赐教。期待您的早日指教。
你好，请问下您解决问题了吗？我目前也是遇到类似过拟合的map50:95没有上升到预期值就下降的情况。
Efiath
ZHIZIHUABU
xcn700418
，但与论文中的效果差了好多点，或许是我复现的过程和您的实现有出入，因此我有一些问题：
您好，之前看了您的论文受益匪浅，现在我想在VOC数据集上进行半监督训练，并尽量复现您在论文中的效果（如下所示）：
，但与论文中的效果差了好多点，或许是我复现的过程和您的实现有出入，因此我有一些问题：
1、在使用VOC数据集进行训练时该使用哪一个配置文件，我使用的配置文件是源码中的configs/ssod/voc/yolov5l_voc_burn.yaml。但我发现这个配置文件中的pseudo_label_with_obj以及pseudo_label_with_bbox等你们在论文中的创新点反而都被默认设置为False了，这是正常的吗，如果要复现论文中的效果，就是要把它们设置为关闭吗？还是说我用错了配置文件？（我目前给它们设置为true了，并且300个epochs全用于半监督训练）
2、关于预训练权重，我有两个疑问。第一，如果想实现上图中第一个ours（也就是倒数第二行）的效果，需要使用预训练权重吗，需要的话该用哪一个？还是说直接从零开始训练即可（我之前从零开始训练过一次，在200个epoch时AP50达到78.55，AP50:95达到56.78左右，200个epochs左右后开始下降，分别与论文差两三个点，如果和预训练权重无关，有没有可能是seed的问题？或者上面提到的配置问题？）。第二，如果想要实现上图中第二个ours（也就是最后一行）的效果，文中提到使用了using a ImageNet pre-trained backbone，请问这部分release中有提供吗？请问您如果有的话是哪一个呢？参照论文，我目前复现用的也是yolov5l，和其相关的我在release中仅找到了efficient-yolov5l.pt和efficient-yolov5l-ssod.pt。我猜测前者是原始yolo5l.pt转化来的，我使用其作为预训练权重时，同样效果也差了几个点（比从零开始训练效果还差一点点，就是收敛的早，差不多100个epoch左右）；而后者我猜测是你们半监督训练好后的权重，因为我使用其作为预训练权重的话，整个过程在前十几个epoch就收敛了并且效果超过了上图中最后一行，但后续就开始缓慢下降，因此应该是过拟合了。总之，我并没有找到和using a ImageNet pre-trained backbone相关的权重文件，请问如果我想实现论文中的效果（上图中最后两行），我需要使用哪个预训练权重呢？
最后，或许我复现时还存在许多没有想到的地方和您在实现过程中也是不一样的，如果你发现了，还麻烦不吝赐教。期待您的早日指教。