GCR

[songsee]

作者你好： 感谢你们的优秀成果，以及细致的答疑。 我在看你们的论文以及代码时，存在一点疑惑，你们论文中 Fig. 2 的图中neck部分，以及III.C节的所提到的GCR全局集中调节方式，似乎可能与你们代码实现方式不同，代码中似乎使用的是PAN+FPN结构。 我想请作者帮我答疑一下。

[dongzhang89]

@songsee GCR是把深层的特征直接传递到浅层中，PAN和FPN都是逐渐上采样的。

[songsee]

@songsee GCR是把深层的特征直接传递到浅层中，PAN和FPN都是逐渐上采样的。

您的意思是代码使用PAN结构，效果更好吗？

[dongzhang89]

@songsee 当然是GCR这种更好。PAN和FPN那种会导致深层的语义信息在住不上采样的过程中被稀释。深层特征直接传递的这个思想在很多论文中都被采用过，比如，“ExFuse”中的semantic embedding branch和“A Simple Pooling-Based Design for Real-Time Salient Object Detection”中的Global Guidance Module等等

[songsee]

@songsee 当然是GCR这种更好。PAN和FPN那种会导致深层的语义信息在住不上采样的过程中被稀释。深层特征直接传递的这个思想在很多论文中都被采用过，比如，“ExFuse”中的semantic embedding branch和“A Simple Pooling-Based Design for Real-Time Salient Object Detection”中的Global Guidance Module等等

我明白了您的意思了，那GCR部分代码具体实现在代码中的哪里啊？我没找到（尴尬），麻烦作者了

[dongzhang89]

@QY1994-0919 你帮他找一下

[dongzhang89]

@songsee 你发邮件给qunayu，让她帮你找一下

[songsee]

@songsee 你发邮件给qunayu，让她帮你找一下

万分感谢各位大佬的帮助！

[songsee]

@songsee 你发邮件给qunayu，让她帮你找一下

作者您好，我联系了您说的quanyu作者，通过论文里面所提到quanyu@njust.edu.cn,但一直没能得到回复，我猜测是不是作者不用这个邮箱了，您有什么办法联系到她（他）吗？

[dongzhang89]

@songsee 我跟她讲了，请稍等

[songsee]

@songsee 我跟她讲了，请稍等

万分感谢作者的帮助！

[QY1994-0919]

很抱歉没能及时回复你邮件。yolox中采用PAFPN分级特征融合特征信息在上采样过程中稀释，前面已经做出解释。我们的GCR思想就是利用最深层特征直接调节浅层特征，之所以说我们的模型有效简单便捷是因为它不会强制改变你所依赖的baseline的网络结构。例如在YOLOX中最深层特征（如图2. stage5）经过EVC后使用GCR进行调节，在这里GCR调节的是PAFPN结构中所忽略的浅层特征（同时，我们仍然保留了PAFPN的原始结构） 。 GCR该部分代码在： CFPNet/cfp/models/yolo_pafpn.py中的line109-line126

在 2023-05-03 12:43:40，"songsee" @.***> 写道：

@songsee 我跟她讲了，请稍等

万分感谢作者的帮助！

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: @.***>

[songsee]

很抱歉没能及时回复你邮件。yolox中采用PAFPN分级特征融合特征信息在上采样过程中稀释，前面已经做出解释。我们的GCR思想就是利用最深层特征直接调节浅层特征，之所以说我们的模型有效简单便捷是因为它不会强制改变你所依赖的baseline的网络结构。例如在YOLOX中最深层特征（如图2. stage5）经过EVC后使用GCR进行调节，在这里GCR调节的是PAFPN结构中所忽略的浅层特征（同时，我们仍然保留了PAFPN的原始结构） 。 GCR该部分代码在： CFPNet/cfp/models/yolo_pafpn.py中的line109-line126 在 2023-05-03 12:43:40，"songsee" @.> 写道： @songsee 我跟她讲了，请稍等 万分感谢作者的帮助！ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: @.>

万分感谢两位作者的详细解答！让我对论文有了进一步理解，谢谢。