关于无监督RGB-D SOD数据集的实验

[komoreda]

作者您好，最近拜读了您的A2S-v2，并用您提供的代码进行了复现，MAE结果如下：

第一阶段：d；第二阶段：d		RGBD135	NJUD	NLPR	SIP
原文	.037	.109	.043	.124
复现	.063	.159	.063	.166

第一阶段：cdot；第二阶段：d		RGBD135	NJUD	NLPR	SIP
原文	.029	.060	.034	.051
复现	.033	.069	.041	.071

复现的性能与原文似乎有一定差异，特别是只将rgb-d sod数据集用于第一阶段，请问作者出现这种差异的原因是什么？ 论文中的Ours是否表示的是：在第一阶段只使用RGB-D SOD数据集呢？

[moothes]

感谢您对我们工作的关注。 我认为您可以从以下方面进行验证：

1. 文中的Tab5提供了第一阶段训练得到的伪标签质量结果（经过CRF）。您可以先对比一下该结果，验证伪标签生成是否有差异。
2. 您可以先下载我们提供的训练好的模型，验证其结果与文中是否有差异。
3. 第二阶段训练时，我们发现会有比较严重的过拟合，因此我们是选用的训练过程中的最佳模型，而不是最后一轮的训练结果。

论文中的Ours是否表示的是：在第一阶段只使用RGB-D SOD数据集呢？

您的理解是正确的。

[komoreda]

作者您好，我用您提供的模型在RGBD-TR-2185数据集上进行测试，MAE结果如下：

	RGBD-TR (MAE)
Ours(原文)	.110
Ours(提供的模型)	.138
Ours(复现)	.147

	RGBD-TR (MAE)
Ours_mm(原文)	.062
Ours_mm(提供的模型)	.062
Ours_mm(复现)	.062

从上述表中可以看到，使用mm设置的模型效果与论文中的结果一致，但是为什么在第一阶段只使用RGB-D SOD数据集得到的效果和论文中有一定差异呢？根据实验结果，您提供的模型（a2s_rgbd_split.pth）在RGBD-TR上仅有0.138的MAE以及0.658的F，与论文似乎还有一定差距，请问导致这种情况的原因是什么呢？

我测试的命令如下：

python test.py a2s --gpus 0 --stage 1 --weight ./Stage1/a2s_rgbd_split.pth --crf

输出结果如下：

Dataset d_RGBD-TR : |################################| 2184/2185 Mean-F: 0.658, EM: 0.682, MAE: 0.138, IOU: 0.438, dis: 0.144.

[moothes]

目前的代码是较早的版本，我们会尽快更新到最新的代码。 我们已经更新了训练好的模型，您可以再次下载测试一下