Open hb594709591 opened 4 months ago
老师你好,我在训练[deep-hough-transform]这个方法的时候,使用SEL数据集训练,实验结果与论文结果相符,但是在可视化霍夫前后的特征图时,发现经过网络训练,霍夫前有直线的位置是较暗的,霍夫之后的特征图中霍夫变换焦点打分在应有直线的位置,亮度是更低的。在经过最后的卷积才反变为较亮的目标直线点位置(这似乎不太符合霍夫变换的逻辑,与原逻辑相反)。 请问这是什么原因?如何验证DHT模块中cuda反传代码的正确与否呢?下面是对0432.jpg这张图中间特征层可视化的结果。从上到下分别是1.检测图,2.DHT前,3.DHT后,4.DHT后并且经过卷积以后
dht借助于deep cnn的feature表达,其原始语义与hough空间的不一定相同,属于预期现象,因为是端到端训练,模型会优化中间空间的表达以更适应当前任务。
cuda反传代码可以自己通过导函数的定义来验证。
老师你好,我在训练[deep-hough-transform]这个方法的时候,使用SEL数据集训练,实验结果与论文结果相符,但是在可视化霍夫前后的特征图时,发现经过网络训练,霍夫前有直线的位置是较暗的,霍夫之后的特征图中霍夫变换焦点打分在应有直线的位置,亮度是更低的。在经过最后的卷积才反变为较亮的目标直线点位置(这似乎不太符合霍夫变换的逻辑,与原逻辑相反)。 请问这是什么原因?如何验证DHT模块中cuda反传代码的正确与否呢?下面是对0432.jpg这张图中间特征层可视化的结果。从上到下分别是1.检测图,2.DHT前,3.DHT后,4.DHT后并且经过卷积以后