fair comparison?

[Wei-i]

您好 首先非常感谢您的论文和开源代码。 我粗略看完文章后，发现您是meta-learning based FSOD，并且基于Meta R-CNN和FsDetView*的，但我有些疑惑，在Meta R-CNN代码repo下，很多人有提出issue，认为它们在比较时是不公平的。 在比较新的另一篇CVPR [2021的文章中]GFSD ，它们采用了相同的sample策略后，从文章中得出FsDetView（coco 10-shot）并不是12.5。 因此 我想问下您是基于它们原有的采样方法没有啥更改吗？

[sunnyykk]

您好 首先非常感谢您的论文和开源代码。 我粗略看完文章后，发现您是meta-learning based FSOD，并且基于Meta R-CNN和FsDetView*的，但我有些疑惑，在Meta R-CNN代码repo下，很多人有提出issue，认为它们在比较时是不公平的。 在比较新的另一篇CVPR [2021的文章中]GFSD ，它们采用了相同的sample策略后，从文章中得出FsDetView（coco 10-shot）并不是12.5。 因此 我想问下您是基于它们原有的采样方法没有啥更改吗？

碰巧今天刚看到这篇文章，我注意到4.1节最后有这么一句~

Moreover, we implement it by ourselves for a more fair comparison.

不知能否回答~虽然我也不知道改了啥hhh

[Wei-i]

感谢您这么迟的回复。 是的是的 ，我也在GFSD的repo下提出了issue，作者也表明他们确实是重新用了采样策略。所以之前我很迷茫 我不确定是否 meta laearning based的方法是否真的存在不公平比较的现象(比如meta rcnn在第二阶段 一开始代码用了3*shot 造成不公平的比较。) 然后FsdetView这篇也有人在issue指出一些bug，不过作者也说了大部分模块是直接照搬Meta R-CNN。 我目前刚刚接调研FSOD 这一块， 由于transfer learning baesd的(TFA G FSD FSCE ) 基本都是比较新的，基于detectron2的版本， 容易实现，我复现了一下效果都比较接近。 我真的比较迷茫，不知道是相信transfer learning报的结果 还是 meta learning报的结果 :(。 因此我还想冒昧地想问下 您实现是保证了10-shot 就是 novel 和base 都是10这种情况吗。 如果是的话那感觉12.8 应该是几篇新的里面最新的SOTA(除了一篇还没开源的Meta DETR) 希望得到您的见解 谢谢!

[Wei-i]

您好 首先非常感谢您的论文和开源代码。 我粗略看完文章后，发现您是meta-learning based FSOD，并且基于Meta R-CNN和FsDetView*的，但我有些疑惑，在Meta R-CNN代码repo下，很多人有提出issue，认为它们在比较时是不公平的。 在比较新的另一篇CVPR [2021的文章中]GFSD ，它们采用了相同的sample策略后，从文章中得出FsDetView（coco 10-shot）并不是12.5。 因此 我想问下您是基于它们原有的采样方法没有啥更改吗？

碰巧今天刚看到这篇文章，我注意到4.1节最后有这么一句~

Moreover, we implement it by ourselves for a more fair comparison.

不知能否回答~虽然我也不知道改了啥hhh

感谢您这么迟的回复。 是的是的 ，我也在GFSD的repo下提出了issue，作者也表明他们确实是重新用了采样策略。所以之前我很迷茫 我不确定是否 meta laearning based的方法是否真的存在不公平比较的现象(比如meta rcnn在第二阶段 一开始代码用了3*shot 造成不公平的比较。) 然后FsdetView这篇也有人在issue指出一些bug，不过作者也说了大部分模块是直接照搬Meta R-CNN。 我目前刚刚接调研FSOD 这一块， 由于transfer learning baesd的(TFA G FSD FSCE ) 基本都是比较新的，基于detectron2的版本， 容易实现，我复现了一下效果都比较接近。 我真的比较迷茫，不知道是相信transfer learning报的结果 还是 meta learning报的结果 :(。 因此我还想冒昧地想问下 您实现是保证了10-shot 就是 novel 和base 都是10这种情况吗。 如果是的话那感觉12.8 应该是几篇新的里面最新的SOTA(除了一篇还没开源的Meta DETR) 希望得到您的见解 谢谢!

[hzhupku]

Thank you for your question. We implement the sampling strategy according to Meta YOLO (https://github.com/bingykang/Fewshot_Detection) rather than Meta R-CNN.

[sunnyykk]

您好 首先非常感谢您的论文和开源代码。 我粗略看完文章后，发现您是meta-learning based FSOD，并且基于Meta R-CNN和FsDetView*的，但我有些疑惑，在Meta R-CNN代码repo下，很多人有提出issue，认为它们在比较时是不公平的。 在比较新的另一篇CVPR [2021的文章中]GFSD ，它们采用了相同的sample策略后，从文章中得出FsDetView（coco 10-shot）并不是12.5。 因此 我想问下您是基于它们原有的采样方法没有啥更改吗？

碰巧今天刚看到这篇文章，我注意到4.1节最后有这么一句~

Moreover, we implement it by ourselves for a more fair comparison.

不知能否回答~虽然我也不知道改了啥hhh

感谢您这么迟的回复。 是的是的 ，我也在GFSD的repo下提出了issue，作者也表明他们确实是重新用了采样策略。所以之前我很迷茫 我不确定是否 meta laearning based的方法是否真的存在不公平比较的现象(比如meta rcnn在第二阶段 一开始代码用了3*shot 造成不公平的比较。) 然后FsdetView这篇也有人在issue指出一些bug，不过作者也说了大部分模块是直接照搬Meta R-CNN。 我目前刚刚接调研FSOD 这一块， 由于transfer learning baesd的(TFA G FSD FSCE ) 基本都是比较新的，基于detectron2的版本， 容易实现，我复现了一下效果都比较接近。 我真的比较迷茫，不知道是相信transfer learning报的结果 还是 meta learning报的结果 :(。 因此我还想冒昧地想问下 您实现是保证了10-shot 就是 novel 和base 都是10这种情况吗。 如果是的话那感觉12.8 应该是几篇新的里面最新的SOTA(除了一篇还没开源的Meta DETR) 希望得到您的见解 谢谢!

哈哈，已email您github主页邮箱~也想多多交流

[Wei-i]

Thank you for your question. We implement the sampling strategy according to Meta YOLO (https://github.com/bingykang/Fewshot_Detection) rather than Meta R-CNN.

Thanks for your reply:)