search

cuiziteng / Illumination-Adaptive-Transformer

🌕 [BMVC 2022] You Only Need 90K Parameters to Adapt Light: A Light Weight Transformer for Image Enhancement and Exposure Correction. SOTA for low light enhancement, 0.004 seconds try this for pre-processing.
Apache License 2.0
459 stars 43 forks source link

extract_feat函数加载问题 #54

Open developWmark opened 1 year ago

developWmark commented 1 year ago

https://github.com/cuiziteng/Illumination-Adaptive-Transformer/blob/main/IAT_high/IAT_mmdetection/mmdet/models/detectors/IAT_detector/IAT_yolo.py extract_feat函数和forward_train只初始化在init函数里面，实际上是不能够被反向传播的，我在extract_feat加了一行打印函数，训练过程中并没有打印。将extract_feat函数和forward_train移出init函数，作为IAT_yolo的成员函数，实际上是重写SingleStageDetecto的函数，这样extract_feat才会参与反向传播，打印日志。或者是我理解错了，请作者耐心解答一下。

WWJ0720 commented 1 year ago

我也遇到了这个问题，并且也是相同的解决方法。之前初始化在init里面无法反向传播

developWmark commented 1 year ago

我也遇到了这个问题，并且也是相同的解决方法。之前初始化在init里面无法反向传播

但是这样训练后保存的中间增强的图像，可视化实际上和作者论文呈现的差别很大

cuiziteng commented 1 year ago

十分感谢耐心纠正，因为代码失误对您的结论造成困扰，这部分的实验我后面重新跑一遍，并且更新一下结果参数。

developWmark commented 1 year ago

好的，这个问题也引发了这个问题打断点在init才有效 https://github.com/cuiziteng/Illumination-Adaptive-Transformer/issues/52

mrwrui commented 1 year ago

可是为什么无法反向传播，依然能够复现出较高的mAP呢？

liuwei0066 commented 8 months ago

可是为什么无法反向传播，依然能够复现出较高的mAP呢？

YOLOV3的基础性能就挺好的，可能由于随机性，作者跑出来的性能比较好。

liuwei0066 commented 8 months ago

十分感谢耐心纠正，因为代码失误对您的结论造成困扰，这部分的实验我后面重新跑一遍，并且更新一下结果参数。

作者您好，请问您更新新的代码和实验结果了吗？