search

LBH1024 / CAN

When Counting Meets HMER: Counting-Aware Network for Handwritten Mathematical Expression Recognition (ECCV’2022 Poster).
MIT License
364 stars 59 forks source link

关于代码中对图像的设置 #8

Closed 1193700079 closed 2 years ago

1193700079 commented 2 years ago

想知道设置mask的作用具体是什么？ 并且网络对图像的size也没有进行限制，宽高和label长度都是取自每次批处理的最大值，想知道这样做的用意是什么？ 但是对于通道数是设置了684

LBH1024 commented 2 years ago

想知道设置mask的作用具体是什么？ 并且网络对图像的size也没有进行限制，宽高和label长度都是取自每次批处理的最大值，想知道这样做的用意是什么？ 但是对于通道数是设置了684

你好，对于输入网络的图像，取该batch内图像的最大尺寸为底，对于batch内较小的图像，相当于是在右方和下方做了padding。这种做法不用去resize图像，能保留图像的原始尺寸信息。而mask就是用来区分图像区域和padding区域的，在解码计算attention的时候会用到。684是所用的DenseNet输出特征图的通道数，和之前的公式识别方法保持一致。

1193700079 commented 2 years ago

嗯好的谢谢 ，可以修改成固定大小进入网络吗，会对计数模块有影响吗？如果这样通过padding输入的话尺寸太大，计算量也比较大了。

LBH1024 commented 2 years ago

你可以试一下固定大小输入，在CROHME上精度应该会降低不少。

1193700079 commented 2 years ago

好的，明白了，感谢作者。

LBH1024 commented 2 years ago

不客气，感谢关注。