Open ResonWang opened 1 year ago
非常感谢作者的贡献,还没有研究代码,先在看论文,遇到一些困惑,希望作者大佬能帮忙解答一下: (1)objectness score是啥呢?文中有强调“Specifically, Dense Detector obtains objectness score by calculating the Complete Intersection over Union(CIoU) [38] between the predicted and GT boxes.” 但对于伪标签来说,它们没有GT,要怎么计算该值?还是说objectness score是teacher model head中的object classification分支的预测值呢?该值是否就是文中的^obj? (2)^Yobj(h,w) 提到是来自PLA的,具体是怎么来的呢,主要是这个和 ^obj有啥区别? (3)文中重点讲了PLA中的loss计算,其具体是怎么根据伪标签分配正负样本的呢,即^Ycls, ^Yreg, ^Yobj具体咋分配得到的? (4)公式(7)是在特征图的每个位置上计算domain adaptation loss的,一张图上每个位置的gt都是一样的吗,就是D(1或者0)吗 (5)公式(9)(10)的左边和类别c有关系吗,因为右边应该是和类别相关的表达吧? 还请作者大佬解惑
@ResonWang 我最近也在自己的项目里面复现这个,目前对我来说还没有正提升,我回答一点我的理解吧
其实不用太关注论文,看代码就行,论文里面不少实现里都注释掉了
@Bobo-y 您的回答是对的,您现在是在自己的数据集上试了没有效果吗
@BowieHsu 我在自己的框架下训了,目前都是准确率微微下降。自动驾驶场景,带标数据百万量级的。也有可能我实现的问题
非常感谢作者的贡献,还没有研究代码,先在看论文,遇到一些困惑,希望作者大佬能帮忙解答一下: (1)objectness score是啥呢?文中有强调“Specifically, Dense Detector obtains objectness score by calculating the Complete Intersection over Union(CIoU) [38] between the predicted and GT boxes.” 但对于伪标签来说,它们没有GT,要怎么计算该值?还是说objectness score是teacher model head中的object classification分支的预测值呢?该值是否就是文中的^obj? (2)^Yobj(h,w) 提到是来自PLA的,具体是怎么来的呢,主要是这个和 ^obj有啥区别? (3)文中重点讲了PLA中的loss计算,其具体是怎么根据伪标签分配正负样本的呢,即^Ycls, ^Yreg, ^Yobj具体咋分配得到的? (4)公式(7)是在特征图的每个位置上计算domain adaptation loss的,一张图上每个位置的gt都是一样的吗,就是D(1或者0)吗 (5)公式(9)(10)的左边和类别c有关系吗,因为右边应该是和类别相关的表达吧? 还请作者大佬解惑