参数数据不对

[honghess]

论文里面写的是0.053，但是实际上是0.0458，我觉得应该不是我复现的问题吧，因为我是直接用的你开源的模型代码

[DINGdef]

我用torchstat的stat得到的参数数据是0.048，和论文里不一样，就是参数量真的很低

[honghess]

我用torchstat的stat得到的参数数据是0.048，和论文里不一样，就是参数量真的很低

可惜性能确实不太行

[DINGdef]

感觉还可以，我跑的结果如下 [ isic2017 ] ----- [ mIoU ] | [ DSC ]： 79.69 | 88.70 [ isic2018 ] ----- [ mIoU ] | [ DSC ]： 81.13 | 89.58 和论文里差不多

[honghess]

感觉还可以，我跑的结果如下 [ isic2017 ] ----- [ mIoU ] | [ DSC ]： 79.69 | 88.70 [ isic2018 ] ----- [ mIoU ] | [ DSC ]： 81.13 | 89.58 和论文里差不多

我是用的自己的训练框架跑的，和原始unet差不多同水平，捕捉细节的能力太差了，唯一的优势是那个超级低的计算量和非常快的FPS，这应该是得益于他的那个高维度对卷积操作的舍弃

[Wulingtian]

感觉还可以，我跑的结果如下 [ isic2017 ] ----- [ mIoU ] | [ DSC ]： 79.69 | 88.70 [ isic2018 ] ----- [ mIoU ] | [ DSC ]： 81.13 | 89.58 和论文里差不多

我是用的自己的训练框架跑的，和原始unet差不多同水平，捕捉细节的能力太差了，唯一的优势是那个超级低的计算量和非常快的FPS，这应该是得益于他的那个高维度对卷积操作的舍弃

大佬，推理的时候，gt_ds设置为False报如下错误，请问该如何解决？： File "egeunet.py", line 272, in forward else: t5 = self.GAB5(t6, t5) File "anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1130, in _call_impl return forward_call(*input, *kwargs) File "anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1118, in _slow_forward result = self.forward(input, **kwargs) TypeError: forward() missing 1 required positional argument: 'mask'

[honghess]

感觉还可以，我跑的结果如下 [ isic2017 ] ----- [ mIoU ] | [ DSC ]： 79.69 | 88.70 [ isic2018 ] ----- [ mIoU ] | [ DSC ]： 81.13 | 89.58 和论文里差不多

我是用的自己的训练框架跑的，和原始unet差不多同水平，捕捉细节的能力太差了，唯一的优势是那个超级低的计算量和非常快的FPS，这应该是得益于他的那个高维度对卷积操作的舍弃

大佬，推理的时候，gt_ds设置为False报如下错误，请问该如何解决？： File "egeunet.py", line 272, in forward else: t5 = self.GAB5(t6, t5) File "anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1130, in _call_impl return forward_call(*input, *kwargs) File "anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1118, in _slow_forward result = self.forward(input, **kwargs) TypeError: forward() missing 1 required positional argument: 'mask'

简单一点就group_aggregation_bridge复制个类，然后里面的传播函数把mask删了就好了啊，他这个源码也没有考虑有人会不用gt_ds，反正也只是把输入加起来而已，没有输入不加他不就行了