search

dddraxxx / Weakly-Supervised-Camouflaged-Object-Detection-with-Scribble-Annotations

Code for the AAAI 2023 paper "Weakly-Supervised Camouflaged Object Detection with Scribble Annotations"
https://arxiv.org/abs/2207.14083
Other
51 stars 8 forks source link

关于Fss特征图的一些问题 #12

Closed 2394855029 closed 1 year ago

2394855029 commented 1 year ago

您好，最近在拜读您的论文时，对论文中提及的Fss特征图有一些问题想向您请教： （1）Fss(semantic feature map/intermediate feature map)是在CRNet的倒数第二层得到的吗？(根据文中给出的CRNet结构图，我看到Fss是由最后提取出的Fout0特征和Fout1特征进行fusion操作得到的，所以我对文中后续提到的Fss is extracted before the final prediction layer比较困解) 7TD%(2ZJPJ7N7{NH{Q}Y5HV （2）文中提到，需要停止Fss的梯度，我不太理解这里的含义和这样做的意义(从文中可以知道，提取Fss是用来计算SS loss) （3）根据文章可以知道，Pi表示的是像素i为前景的概率，为什么Pi的计算是用Fss的每个通道对应的像素位置的值做累和来计算得到(除了Fss，可不可以用其他的feature map来这样做呢)？

期待您的回复，不甚感激。

dddraxxx commented 1 year ago

(1) 细节请参考code。 (2) 不stop的话可能会让feature map的学习受到预测结果的负面影响 (3) 其他feature map可能也可以。

2394855029 commented 1 year ago

(1) 细节请参考code。 (2) 不stop的话可能会让feature map的学习受到预测结果的负面影响 (3) 其他feature map可能也可以。

非常感谢您的耐心解答我的问题。您的帮助对我非常有帮助。

dddraxxx commented 1 year ago

不客气