预训练模型复现问题

[yupan233]

FLIR数据集语义分割结果

NTIR-->DC：

使用FLIR数据集的testB文件夹中的NTIR图片，先用提供的预训练模型将500张NTIR转换到DC：其中，test.py推理时，原图都会被resize和crop到360x288，最后的结果图也是这个尺寸。

mIOU

然后，使用得到的fake DC集合与作者提供的标签文件（Seg-Uncertainty/FLIR_testsets/Norm_label_img_crop）进行语义分割测试和IOU分数计算。此时输入的DC图和标签图尺寸都是360x288，无crop，最后得到的结果与论文差的有点多。

请问，我该如何调整数据处理过程？肉眼看着确实有效果，但是量化指标实在是差的有点多，烦请作者大大细细指教~~~

[yupan233]

测试时输入问题

上面提issue时，从NTIR-->DC，输入的图片是大图，在dataset类里面做的缩放，结果与论文出入较大。

然后我算APCE时，发现计算过程中使用的原始NTIR图片需要与生成的DC图片尺寸对齐，也就是在输入模型前的测试图片就需要做缩放与裁剪，于是我在输入前对原始大图作预处理，而不是在dataset自带的类中做transform，这次APCE的结果与论文相近。 顺着这个思路我使用这种预处理的方式，得到了以下的预训练模型的语义分割测试结果，与论文相近。

[FuyaLuo]

测试时输入问题

上面提issue时，从NTIR-->DC，输入的图片是大图，在dataset类里面做的缩放，结果与论文出入较大。

然后我算APCE时，发现计算过程中使用的原始NTIR图片需要与生成的DC图片尺寸对齐，也就是在输入模型前的测试图片就需要做缩放与裁剪，于是我在输入前对原始大图作预处理，而不是在dataset自带的类中做transform，这次APCE的结果与论文相近。 顺着这个思路我使用这种预处理的方式，得到了以下的预训练模型的语义分割测试结果，与论文相近。

语义分割实验测试的时候是需要提前将FLIR原始图像先resize到500x400，然后再中心裁剪出360x288的图像patch，最后再实现NTIR2DC。

[yupan233]

测试时输入问题

上面提issue时，从NTIR-->DC，输入的图片是大图，在dataset类里面做的缩放，结果与论文出入较大。 然后我算APCE时，发现计算过程中使用的原始NTIR图片需要与生成的DC图片尺寸对齐，也就是在输入模型前的测试图片就需要做缩放与裁剪，于是我在输入前对原始大图作预处理，而不是在dataset自带的类中做transform，这次APCE的结果与论文相近。 顺着这个思路我使用这种预处理的方式，得到了以下的预训练模型的语义分割测试结果，与论文相近。

语义分割实验测试的时候是需要提前将FLIR原始图像先resize到500x400，然后再中心裁剪出360x288的图像patch，最后再实现NTIR2DC。

感谢大大的回复，很不错的工作，论文对这个任务剖析的很清楚，创新很强，工作量扎实。感谢