AlibabaResearch / efficientteacher

A Supervised and Semi-Supervised Object Detection Library for YOLO Series
GNU General Public License v3.0
820 stars 147 forks source link

1、请问为何LabelMatch的更新阈值方法没有被启用?2、cls得分高但obj得分低为啥没有被送往去算obj loss? #57

Open ttaohe opened 1 year ago

ttaohe commented 1 year ago

image 没有用论文中的方法,而是采用高斯混合模型计算阈值

QQ截图20230329145203 QQ截图20230329145317 QQ截图20230329145532 image 这里cls得分超过0.99,但pseudo得分低于高阈值的样本没有被处理,请问这些样本需要进一步来挖掘吗?

BowieHsu commented 1 year ago

@kdy1999 您好,我来解释一下,这一版的代码相比于我们提交论文时改进了一些方案,但是labelmatch的基本架构还在,所以原有方案还是可以用的,得修一下代码,这里我确实应该单开一个function来实现,我来修一下吧 2.class那里的处理其实我们有在论文说到,是因为我们分析了错误的伪标签中占大头的占比还是回归问题,所以我们选择不去处理class标签,重点解决回归的问题,当时跑实验的时候发现这里的影响非常小,如果您资源富裕,可以尝试利用现在的代码去运行一下实验,有问题欢迎您随时联系

wangsun1996 commented 1 year ago

在半监督损失的计算中,obj得分代表的是什么?在论文中我没看懂.(感觉并不是类别损失,而是一个计算IOU的损失?)