关于ACFPN中上菜样和CxAM模块的几个问题

[littletomatodonkey]

你好，感谢开源ACFPN，有2个问题想请教下

1. 下面这个地方is_upsample应该一直设置为True?最开始P5和C4融合时，就应该对P5进行降采样（我看backbone部分只修改了dilation，应该没有对C5的分辨率进行修改？）

https://github.com/Caojunxu/AC-FPN/blob/2e4e0b2d4d00f1090548f41295824d1d7997a232/detectron/modeling/FPN.py#L375

2.论文中的CxAM和CnAM模块中的1x1卷积部分，是否对通道数进行了缩减了呢？nonlocal中是对计算通道数减半，减少了计算量，不知道你是否有意愿开源这两个模块呢？

期待你的回复，多谢！

[shaohailin]

请问作者图中的F2 F3 F4 F5是对应Resnet的后面几个stage的输出结果吧？之前在别的论文里面看标注的是C2 C3 C4 C5，所以有点不确定，希望得到你的回复！感谢！ @littletomatodonkey

[littletomatodonkey]

是的，作者在这里是把C4->C5的dilation修改为了2(默认为1)，但是我自己做实验的时候发现设置为1的话，效果会好一些。 这里是我的一个实现，不过是基于paddle的，不过暂时没有添加CxAM和CnAM模块，你可以看下 @shaohailin https://github.com/PaddlePaddle/PaddleDetection/blob/master/configs/acfpn/README.md https://github.com/PaddlePaddle/PaddleDetection/blob/master/ppdet/modeling/backbones/acfpn.py

[xiaoshuyun]

您好，打扰一下。我有几个问题想请教您一下。 1.请问论文中最终扩展卷积的输出与输入的上采样进行了concat，请问代码中是如何体现的，以及此处是对什么进行了上采样？ 2.我对caffe和paddle都不是很熟。我不太明白扩展卷积里这几个参数是什么意思。input_num, num1, num2,以及drop_out。【def _DenseAsppBlock(model, _input, prefix, input_num, num1, num2, dilation_rate, drop_out):】 期待您的回复。非常感谢。

[anonymoussss]

是的，作者在这里是把C4->C5的dilation修改为了2(默认为1)，但是我自己做实验的时候发现设置为1的话，效果会好一些。 这里是我的一个实现，不过是基于paddle的，不过暂时没有添加CxAM和CnAM模块，你可以看下 @shaohailin https://github.com/PaddlePaddle/PaddleDetection/blob/master/configs/acfpn/README.md https://github.com/PaddlePaddle/PaddleDetection/blob/master/ppdet/modeling/backbones/acfpn.py

Hi, I have been trying to reproduce this paper using mmdetection, I refer to this repository and your version of paddlepaddle . but when using the 1x learning schedule, the AP performance of Faster R-CNN w/Res50 has not been able to reach 38.5 (baseline is 37.4). I would like to ask, in the implementation of the CEM, what are the differences between it and DenseASPP besides Group Normalization?（I’m sorry I didn’t see the deformable convolution mentioned in the paper. Could you please point me?）