Open yangjiangeyjg opened 1 year ago
你好,提供的image pre-trained backbone仅在coco上预训练过,不包括深度预训练 如果要进行深度预训练,你需要进行以下步骤
以上方法相对复杂,需要多个步骤,我们推荐你直接使用bev预训练,可以直接使用稀疏lidar数据,不需要补全,并且更加灵活
CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.launch --nproc_per_node=2 train_cmkd.py --launcher pytorch --cfg ../tools/cfgs/kitti_models/CMKD/cmkd_kitti_eigen_R50_scd_bev.yaml --tcp_port 16677 --pretrained_lidar_model checkpoints/second_teacher.pth
根据我们的测试,使用BEV预训练的效果要优于深度预训练
The image backbone uses depth pre-training on KITTI train for 40 epochs. The image backbone uses depth pre-training on eigen clean split for 10 epochs. 感谢回复,但是论文中这两句话是什么意思呀
@yangjiangeyjg 你好,这两句话的意思是,在进行消融实验的时候,我们所使用的backbone在kitti train上进行了40个epoch的深度预训练; 而当最后在KITTI test上与其他方法进行比较的时候,我们所使用的backbone在eigen clean split上进行了10个epoch的深度预训练。
@yangjiangeyjg 你好,这两句话的意思是,在进行消融实验的时候,我们所使用的backbone在kitti train上进行了40个epoch的深度预训练; 而当最后在KITTI test上与其他方法进行比较的时候,我们所使用的backbone在eigen clean split上进行了10个epoch的深度预训练。
感谢回复。我的理解是
@yangjiangeyjg 你好,文章中的实验与你的第2种理解相符合。
你好,请问提供的image pre-trained backbone是否经过深度估计预训练啊,没有的话如何进行深度估计预训练呢