search

Haochen-Wang409 / U2PL

[CVPR'22 & IJCV'24] Semi-Supervised Semantic Segmentation Using Unreliable Pseudo-Labels & Using Unreliable Pseudo-Labels for Label-Efficient Semantic Segmentation
Apache License 2.0
437 stars 61 forks source link

confusions about the performance of Sup-only #113

Closed victorshengwgit closed 1 year ago

victorshengwgit commented 1 year ago

您好，我在全监督训练过程中遇到一些问题希望请教您。

  1. 在使用我自己数据集三分类（含背景）时，直接使用您提高的ResNet101，epoch = 400 调整lr = 0.005 训练时Class 1，Class 2 的IoU 基本处于43左右。您觉得这样的sup 结果适合进行下一步semi训练吗？ 或者说您觉得IoU需要优化到多少更适合进行semi的训练？ 应该如何更好的优化呢？

sup_resnet101

  1. 我也尝试了您model.py中其他模型，发现ResNet50,152 都会出现权重尺寸不匹配，如果想使用预训练，您能给我一些建议建议吗？

微信图片_20230317113329

Haochen-Wang409 commented 1 year ago
  1. 需要具体到您数据集的难度情况 (例如 class1 class2 是否都是长尾分布)，如果达到了之前全监督方法的精度，则可以考虑进行半监督训练。
  2. 我们的 ResNets 针对分割进行了一定的修改。具体的修改您可以查阅相关 issue。如果需要引入 PyTorch 官方 ResNets 权重，可以将 self.conv1 更改为 conv7x7，而非现在实现的多层 conv3x3。

相关链接 PyTorch ResNets: https://github.com/pytorch/vision/blob/main/torchvision/models/resnet.py#L197 Our ResNets: https://github.com/Haochen-Wang409/U2PL/blob/main/u2pl/models/resnet.py#L178