請問作者mAP值跟bbox可視化是在哪個程式跑出來的

[Capino512]

这是来自QQ邮箱的假期自动回复邮件。你好，我最近正在休假中，无法亲自回复你的邮件。我将在假期结束后，尽快给你回复。

[Capino512]

mAP在/run/*/evaluate.py程序中计算输出。bbox可视化未提供程序，请自行实现。

[nicelala]

想請問作者這行代碼的怎計算出來 indexes_img, indexes_anchor, indexes_cls = torch.where(scores > conf_thresh) 因為我每張測試輸出的scores都是1，但是輸出的座標並沒有跟gt座標完全一樣，一定會產生誤差，不應該會是1才對

[Capino512]

scores作为预测值，跟输出坐标与gt坐标的吻合度无关。（不确定是否完全理解了你的问题）

[nicelala]

那請問socres是否等於confidence

[Capino512]

是的

[nicelala]

我把bbox可視化輸出座標與gt座標沒有完全重合，但是confidence卻顯示1，這是我現在遇到的問題

[Capino512]

confidence并不是评价输出坐标与gt坐标重合度的指标，只是预测当前位置是否存在目标的概率或分数（比如我预测自己考了100分（confidence），实际上我可以考90分或80分）。输出坐标与gt坐标是否重合，confidence都可以是1。任何情况下，模型都可以预测confidence为0-1之间的任意值。

[nicelala]

作者我用您給的預訓練權重去跑我自己的資料集，所得到的mAP都只有20以下，我該怎麼解決這個問題

[Capino512]

模型在特定数据上一般需要经过finetune才能取得预期效果

[nicelala]

請問輸入圖片大小為128128，prior_box設置需要做調整嗎 ` prior_box = { 'strides': [8, 16, 32, 64, 128], 'sizes': [3] 5, 'aspects': [[1, 2, 4, 8]] * 5, 'scales': [[2 0, 2 (1 / 3), 2 * (2 / 3)]] 5, }`

[Capino512]

如果进行训练的话，prior_box有必要根据图像尺寸做调整。如果用已训练权重做预测的话，prior_box需要保持不变，这时图像输入尺寸受到训练时的输入尺寸限制。

[nicelala]

請問我該往模型的哪個部份去做finetune

[Capino512]

finetune可以是加载以训练权重对模型初始化，然后加入新数据做训练，更新权重，这需要保证prior_box等设置保持一致。或者你可以从头训练模型。

[nicelala]

我兩種方式都有試著做過，我的mAP結果都在20以下，我的資料集是骨頭的x光照片，會不會差異太大導致結果太差

[Capino512]

x光照片跟遥感影像差异较大，需要考虑目前的数据增强方法是否适合。另外prior_box需要根据图像尺寸、目标大小做适当调整。如果数据处理得当以及模型设置合适，我觉得mAP不应该这样低。

[nicelala]

我圖片大小差不多在100-200之間，然後要框出骨頭的裂痕，我只有把prior_box的size調成1，其他都不更動這樣 prior_box = { 'strides': [8, 16, 32, 64, 128], 'sizes': [1] * 5, 'aspects': [[1, 2, 4, 8]] * 5, 'scales': [[2 ** 0, 2 ** (1 / 3), 2 ** (2 / 3)]] * 5,

[Capino512]

假如你将图像输入尺寸固定为192，那么P3、P4、P5的特征层进行预测比较合适，对应的stride为8, 16, 32，而size一般应该保持不变。

[nicelala]

圖片固定為192會報錯，還是固定256看看，這樣才不會報錯 RuntimeError: The size of tensor a (3) must match the size of tensor b (4) at non-singleton dimension 3

[Capino512]

不是设置prori_box就行，还需要设置输出的feature map与stride相对应。

[nicelala]

我圖片固定為192，extra設置為0,它就沒有報tensor不批配的錯誤了 prior_box = { 'strides': [8, 16, 32], 'sizes': [3] * 5, 'aspects': [[1, 2, 4, 8]] * 5, 'scales': [[2 ** 0, 2 ** (1 / 3), 2 ** (2 / 3)]] * 5, } cfg = { 'prior_box': prior_box, 'num_classes': num_classes, 'extra': 0, }

[Capino512]

是的。sizes、aspects、scales也应该与随strides做相应修改，不过由于python的zip函数的特点，这里并没有产生异常。

[nicelala]

我正在試著將您的FeaturePyramidNet網路改BiFPN，以下是更改過後的程式碼的連結 https://drive.google.com/file/d/18XaQUi9mBt6OCf1gByIoF9v1o4jSSCTk/view?usp=sharing 但是我遇到以下的問題，請問我該怎麼解決 ` File "run/dota/train.py", line 105, in main loss.backward() File "/home/sosel/anaconda3/envs/pytorch1.4/lib/python3.6/site-packages/torch/tensor.py", line 118, in backward torch.autograd.backward(self, gradient, retain_graph, create_graph) File "/home/sosel/anaconda3/envs/pytorch1.4/lib/python3.6/site-packages/torch/autograd/init.py", line 93, in backward allow_unreachable=True) # allow_unreachable flag

RuntimeError: Function DivBackward0 returned an invalid gradient at index 1 - expected type torch.FloatTensor but got torch.cuda.FloatTensor `

[Capino512]

显然是你使用的这些变量导致的：

self.p5_td_w1 = torch.tensor(1, dtype=torch.float, requires_grad=True)
self.p5_td_w2 = torch.tensor(1, dtype=torch.float, requires_grad=True)
...

你应该还不了解pytorch的一些使用方法，如torch.nn.Parameter，这样的情况下很难保证你做的修改是正确的。

[nicelala]

請問作者我使用自己的資料集，train data數量為141；test data數量為35，如果遇到over fitting有什麼建議方法嗎

[Capino512]

除了增加训练集外并没有太好的方法，也许小样本学习相关的方法可以有帮助，不过我对此也并不了解。

[chenchen98752]

请问可视化您怎么实现的 指导一下呗 谢谢

[Capino512]

不是不给指导，只是这要指导的话，那要给的指导就多了。所以原则上除模型相关以外的问题，都自行解决。