Closed gaowenjie-star closed 2 weeks ago
把encoder输出的不同尺度的feature抽出来,插值到最大特征的维度再concat
把encoder输出的不同尺度的feature抽出来,插值到最大特征的维度再concat
感谢您的回复,您是否可以分享对应的代码呢
https://github.com/Sense-X/Co-DETR/blob/d01ef8b657cc3711c59759cf863fe5ab9aa50e76/projects/models/co_deformable_detr_head.py#L160
这里是从encoder输出中抽出不同scale特征的代码,后面把每个scale的特征尺寸都插值到mlvl_feats[0]
的尺寸就可以
您好,很感谢您的工作,我使用了您的可视化代码,但是我有一个问题关于multi-scale features,据我所知,deformable detr,在encoder的操作之前,会将backbone出来的特征将H,W进行合并,然后将4维的多维特征进行铺平,然后再进行后续的操作得到feature,您这里的multi-scale feature的维度是LxBxCxHxW,请问您是将后续得到的的feature进行逆操作得到的吗,还是说我的理解有问题,期待您的回复。
你有尝试在别的网络使用Discriminability Scorej进行可视化吗,我在DINO中针对Encoder输出特征按论文步骤进行可视化发现,可视化结果与论文相反,目标物体边缘附近得分较低,背景较高
您好,很感谢您的工作,我使用了您的可视化代码,但是我有一个问题关于multi-scale features,据我所知,deformable detr,在encoder的操作之前,会将backbone出来的特征将H,W进行合并,然后将4维的多维特征进行铺平,然后再进行后续的操作得到feature,您这里的multi-scale feature的维度是LxBxCxHxW,请问您是将后续得到的的feature进行逆操作得到的吗,还是说我的理解有问题,期待您的回复。
你有尝试在别的网络使用Discriminability Scorej进行可视化吗,我在DINO中针对Encoder输出特征按论文步骤进行可视化发现,可视化结果与论文相反,目标物体边缘附近得分较低,背景较高
我就是使用dino进行可视化的,我就是直接将encoder输出的特征直接用作者的可视化代码操作,不需要别的操作,就得到了正常的可视化图,注意我是在执行测试的时候才成功的,训练的时候不行
您好,很感谢您的工作,我使用了您的可视化代码,但是我有一个问题关于multi-scale features,据我所知,deformable detr,在encoder的操作之前,会将backbone出来的特征将H,W进行合并,然后将4维的多维特征进行铺平,然后再进行后续的操作得到feature,您这里的multi-scale feature的维度是LxBxCxHxW,请问您是将后续得到的的feature进行逆操作得到的吗,还是说我的理解有问题,期待您的回复。