can it used in DOTA dataset?

[Smoothing97]

Thanks for your work：）and I wanna know can I use it in DOTA dataset?Cause I see the code structure is similar with r2cnn.If it can be used in DOTA,where should I notice?I try to modify the cfgs.py and read_tfrecords.py,stiil using 800*800 cropped images.hope to know the author's opinion about using it in DOTA. Hope for your reply,thank you！

[Smoothing97]

update:using it training DOTA_H...wait the testing result：）

[yangxue0827]

According to the experience of training coco, cascade rcnn does not perform as well as FPN in ap50. Looking forward to your results。 @Smoothing97

[yangxue0827]

Recommend NAS_FPN_Tensorflow @Smoothing97

[Smoothing97]

昨天我分别尝试了NAS_FPN和CASCADE_FPN。 为了节省重新生成DOTA_H_train.tfrecord的时间，我改写了读取tfrecord的代码，因为当前需要读入(xmin,xmax,ymin,ymax,label)的格式，而我的tfrecord是R2CNN中8dots+label的格式。 因为GPU数量有限，我没有采用multi_gpu_train，两份程序都是在一张1080TI上训练的，按照R2CNN的训练经验，我以为1天到两天就可以训练完毕，于是美滋滋的去睡觉了：） 今天早上查看结果，训练10小时后，NAS_FPN训练了2w步，cascade_FPN训练了3w步。ORZ 我能最快调动的1080TI最多有4张，所以NAS_FPN还是很吃显卡的对吗【手动狗头

[yangxue0827]

nasfpn你可以在cfgs那选择配置文件，默认 @Smoothing97 的是stack七次，通道384，模型比较大

[yangxue0827]

如果gpu有限，建议用multi gpu train一个一个模型训练，这样会快一点 @Smoothing97

[Smoothing97]

@yangxue0827 经历了断网等一系列操作，我现在决定用可用的3张1080TI来训练cascade_fpn，数据集是DOTA_H。NAS_FPN比较费时间，先调一个比faster rcnn好的版本出来：） 另外，因为最近在研究DOTA数据集上的检测，基于Faster RCNN，我在想PANet会不会比FPN要好一些？是基于mask rcnn多做了一次特征融合。 我的思路还是跟进近年来rcnn的发展，引用自然图像中的检测算法，现在正在不断测试，也没有做数据增强和对于遥感图像的处理。因为看到大佬您在DOTA的检测上做了很多工作，想请教您在这个问题上的一些心得：加上FPN、PANet、NAS-FPN、ROI align这些模块对精度的提升作用大吗？还是应该设计更好的网络结构，或者采用one-stage的模型会有帮助吗？ 打扰了，期待您的回复：）

[Smoothing97]

update: NAS-FPN似乎对小目标友好，stack七次，通道384下3块1080TI训练10h，step到25000。打开tensorboard看检测结果： 但是对大目标或者肉眼明显的目标还没显示出效果： 由于训练步数太短，我将num_mas从7降为3继续训练，不知道会产生什么结果。等待ing...

[zhang295498]

update: NAS-FPN似乎对小目标友好，stack七次，通道384下3块1080TI训练10h，step到25000。打开tensorboard看检测结果： 但是对大目标或者肉眼明显的目标还没显示出效果： 由于训练步数太短，我将num_mas从7降为3继续训练，不知道会产生什么结果。等待ing...

您好，您的实验做的怎么样了？有什么进展么？