search

Peterisfar / YOLOV3

yolov3 by pytorch
MIT License
195 stars 53 forks source link

关于voc.py中的逻辑错误 #14

Closed yuanliangxie closed 4 years ago

yuanliangxie commented 4 years ago

当use_difficult_bbox=False时,其中在判断的时候有逻辑错误，生成的注解文件包含有难以分辨的标签。 if (not use_difficult_bbox) and (difficult == 1): # difficult 表示是否容易识别，0表示容易，1表示困难 continue 应该更改为 if ( use_difficult_bbox) and (difficult == 1): # difficult 表示是否容易识别，0表示容易，1表示困难 continue

yuanliangxie commented 4 years ago

非常优雅的代码！值得学习！

clw5180 commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

yuanliangxie commented 4 years ago

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

yuanliangxie commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

clw5180 commented 4 years ago

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

clw5180 commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

yuanliangxie commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

clw5180 commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

你现在在做什么项目？天池有个瑕疵品检测的比赛感兴趣不

yuanliangxie commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

加入diffcult不应该增点嘛，检测器的检测性能还是比较强的

yuanliangxie commented 4 years ago

我做的是多源信息融合，视觉只是一部分

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

你现在在做什么项目？天池有个瑕疵品检测的比赛感兴趣不

我做的是多源信息融合，视觉只是一部分，这是来自大佬的邀请吗？

yuanliangxie commented 4 years ago

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

你现在在做什么项目？天池有个瑕疵品检测的比赛感兴趣不

比赛那种不是各种cascade faster rcnn吗？

clw5180 commented 4 years ago

我做的是多源信息融合，视觉只是一部分

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

你现在在做什么项目？天池有个瑕疵品检测的比赛感兴趣不

我做的是多源信息融合，视觉只是一部分，这是来自大佬的邀请吗？

之前都是，但是这次复赛有时间惩罚系数，而且我现在也在做yolov3的项目，要不加个企鹅吧，623497281

yuanliangxie commented 4 years ago

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

这个代码，我跑50epoch,没有对测试集做翻转和多尺度的map在82.多左右

yuanliangxie commented 4 years ago

我做的是多源信息融合，视觉只是一部分

非常优雅的代码！值得学习！

不对吧........这里的逻辑应该是：不使用difficult然后如果碰到了difficult的object，就跳过

所以作者所说的在简单标签训练的结果其实包含了所有标签的！

那0.85有点过分了吧，加入difficult可以掉很多mAP

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

也可能，还没有仔细读作者的代码，现在一直在看ultralyrics那个版本，但是在voc2007上最高也就跑到0.79了，这个据说可以到0.85以上，你现在测试过没

ultralyrics的那个版本真的写的太乱了。。。

你现在在做什么项目？天池有个瑕疵品检测的比赛感兴趣不

我做的是多源信息融合，视觉只是一部分，这是来自大佬的邀请吗？

之前都是，但是这次复赛有时间惩罚系数，而且我现在也在做yolov3的项目，要不加个企鹅吧，623497281

OKOK!

Peterisfar commented 4 years ago

我最初以为是逻辑问题，我发现返回来的diffcult是str类型，所以需要加一个int(difficult),不然根本过滤不掉难标签

你是对的，这里有个bug

Peterisfar commented 4 years ago

修复了voc.py的bug，用新生成的训练数据（不包含difficult）重新训练了一下，模型的版本是master分支下的不用多尺度测试与反转测试的版本（即83.2），训练效果mAP可以到84.0。如下图： image

yuanliangxie commented 4 years ago

so nice work!!!

---原始邮件--- 发件人: "leon"<notifications@github.com> 发送时间: 2019年12月26日(星期四) 中午11:22 收件人: "Peterisfar/YOLOV3"<YOLOV3@noreply.github.com>; 抄送: "yuanliangxie"<214510890@qq.com>;"Author"<author@noreply.github.com>; 主题: Re: [Peterisfar/YOLOV3] 关于voc.py中的逻辑错误 (#14)

修复了voc.py的bug，用新生成的训练数据（不包含difficult）重新训练了一下，模型的版本是master分支下的不用多尺度测试与反转测试的版本（即83.2），训练效果mAP可以到84.0。如下图：

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

Peterisfar commented 4 years ago

我已经找到了，在yolo_head.py第39行： grid_xy = grid_xy.unsqueeze(0).unsqueeze(3).repeat(batch_size, 1, 1, 3, 1).float().to(device)改成 grid_xy = grid_xy.unsqueeze(0).unsqueeze(3).repeat(batch_size, 1, 1, 每层真实的anchor个数, 1).float().to(device) 感觉就可以了，不知是否正确？ @Peterisfar

这里3需要改过来，你可以调试一下看看

yuanliangxie commented 4 years ago

不止要改这里，因为除了网络生成参数，还要有对应的GT标签才能训练啊，所以还要在dataset那里改动，因为这个代码，在训练之前就把gt分配好了。

---原始邮件--- 发件人: "Henry"<notifications@github.com> 发送时间: 2019年12月26日(星期四) 下午4:18 收件人: "Peterisfar/YOLOV3"<YOLOV3@noreply.github.com>; 抄送: "yuanliangxie"<214510890@qq.com>;"Author"<author@noreply.github.com>; 主题: Re: [Peterisfar/YOLOV3] 关于voc.py中的逻辑错误 (#14)

我已经找到了，在yolo_head.py第39行： grid_xy = grid_xy.unsqueeze(0).unsqueeze(3).repeat(batch_size, 1, 1, 3, 1).float().to(device)改成 grid_xy = grid_xy.unsqueeze(0).unsqueeze(3).repeat(batch_size, 1, 1, 每层真实的anchor个数, 1).float().to(device) 就可以了

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.