自然景物数据集

[xiaozhen228]

作者你好，我在两类自然景物数据集上使用sam_lora_image_encoder.py 的分割效果非常不好，会把所有的前景预测为背景，但是使用sam_lora_image_encoder_mask_decoder.py 的效果虽然不是特别优秀，但是有一定的效果。我的理解前者是对mask_decoder中所有参数进行了微调，理论上效果应该更好，后者用lora微调了mask decoder，效果会差点。但是现在使用sam_lora_image_encoder.py 基本没有效果，请问您有啥建议吗？理论上sam_lora_image_encoder_mask_decoder.py上有效果(iou:0.6)那么说明我的数据集预测处理应该没有啥问题

[hitachinsk]

我同意你的观点。但是按照道理来讲sam_lora_image_encoder.py的参数优化空间更大，应该可以取得一个理论上的更高值。也许需要调一调参才能达到这个理论高值。我认为sam_lora_image_encoder_mask_decoder.py 取得一定效果的原因是SAM本身就是在自然图像数据集训练的，因此更多保留SAM的特性似乎可以取得一个更加容易得到的效果。

[yao-yu1999]

作者你好，我在两类自然景物数据集上使用sam_lora_image_encoder.py 的分割效果非常不好，会把所有的前景预测为背景，但是使用sam_lora_image_encoder_mask_decoder.py 的效果虽然不是特别优秀，但是有一定的效果。我的理解前者是对mask_decoder中所有参数进行了微调，理论上效果应该更好，后者用lora微调了mask decoder，效果会差点。但是现在使用sam_lora_image_encoder.py 基本没有效果，请问您有啥建议吗？理论上sam_lora_image_encoder_mask_decoder.py上有效果(iou:0.6)那么说明我的数据集预测处理应该没有啥问题

你好，请问你是如何用到自然景观数据集的？我用自己的数据集训练出模型之后，进行测试。出现了下面的情况。似乎是形状不匹配，我的num_classes也是12呀。