关于BACL应用到两阶段检测的问题

[gbdjxgp]

关于BACL应用到两阶段检测的问题 作者您好，我尝试将BACL应用到两阶段的目标检测中，结果发现效果不好，能麻烦作者您提供一些建议吗

[gbdjxgp]

一些实验细节：将BoxGn生成的规则转换成旋转框的规则，原来是对水平框的四个边分别进行偏移，我这边是对旋转框的宽高和角度分别进行偏移，使用的数据集是DOTA数据集，基线网络Oriented R-CNN，下面是基线网络与改进后的网络训练日志 BACL_representation.log BACL_classification.log

[gbdjxgp]

作者您好，我尝试将您的代码改进到旋转目标检测中，使用的数据集是DOTA数据集，该数据集同样存在长尾分布的问题，我尝试将您的方法应用到旋转目标检测中以用来解决这个问题，使用的基线算法分别使用LSKNet与Oriented R-CNN，这两个基线算法同样都是应用于旋转目标检测的两阶段的算法，关于具体的实现，我发现您代码中关于BoxGn文件是通过将标签中水平框的边界随机增加偏移量来实现的，我尝试将其应用到旋转目标的表示方式中(x,y,w,h,theta)，对w和h（旋转目标的宽高）和theta（旋转目标的角度）分别做相对于自身的[-1/6,1/6]的随机偏移量，结果发现其训练效果并不理想，想问一下作者可能是因为什么原因呢？关于具体细节的代码您可以帮我看看具体找下原因吗？ （我这边具体的实验细节跟您公开的差不多，同样分成了两个阶段，第二个阶段开启FHM，reweight和冻结训练）