Closed FanOfJames closed 4 years ago
对应的是训练代码中 augmentation 那里面的 shift augmentation 那一步 至于central bias 原因,是因为 0-padding引起的,导致网络认为受 0-padding 的 feature 都是对应没有目标的区域 (如果没有 shift 的话),于是网络就倾向于认为 中心的feature是对应有目标的 (因为中心的feature不会被0-padding影响,或收到的影响相对边缘的feature弱)
由于本issue没有得到更进一步的提问,我现在将其关闭。 如有新的问题,请重新打开它或者创建一个新的issue。
我是个初学者,想请教下为什么section3.1中第一个模拟实验(shift等于0)时存在很大的center bias?shfit是什么?能解释下对一张图像shift意味着什么吗?