Closed urbaneman closed 5 years ago
@urbaneman 你好
@sfzhang15 感谢您的回答!
@urbaneman 你加入CFE之后在MoileNetV2-SSD上提升大吗
我试着加入了,因为没有在imagenet上预训练,最后的结果voc07test只有60多,后来因为忙其他的事情,没有继续做实验,所以最终的结果怎么样,我也不确定。
请问refinedet只支持ResNet-101吗?可以将ResNet-101改为ResNet-50吗?我查了下资料,ResNet-101和ResNet-50不同之处在于conv4_x,ResNet50有6个block,而ResNet101有23个block,相差了17个block,也就是17 x 3 = 51层。在Refinedet/python/caffe文件夹里有个model_libs.py,是不是只需要将for i in range(1, 23)更改为for i in range(1, 6)就可以训练ResNet-50了吗?(加载ResNet-50.caffemodel)
@china56321 其他网络也可以训练的,只要你定义好,找到对的预训练模型就行。ResNet101到ResNet50应该就是按照你说的那么改。
您好,感谢你做的研究与贡献,拜读了你的论文和部分开源代码,受益良多。有两个问题想请教您。(由于英文水平不是很高,怕描述不清,所以使用中文,希望您不要介意)。 1.考虑到使用VGG16和ResNet-101作为特征提取模块参数量较大,不能很好的满足实时性的要求,拟使用MobileNet或MobileNetV2或其他的模块来作为特征提取模块,来减少参数量以提高效率,模型中保留ARM和ODM模块。关于在特征提取阶段使用什么模块,不知道你有没有什么建议? 2.数据集制作过程中,如果只检测voc的20类目标,或者更少,关于coco数据集的lmdb数据集制作需要包含不含这些目标的图片吗?如果包含,占比大概多少能较好地训练出结果? 3.不采用fine-tuning的情况下,训练过程如何进行?超参数和梯度下降策略使用什么较好?有没有一些技巧可以传授一下。 接触目标检测不久,希望您能不吝赐教,感谢之至。