Open xxKomorebixx opened 1 year ago
@xxKomorebixx 你指的是训练时候把transform到图片外面的部分截掉这一步么?
是这一部分 使用了De Casteljau算法
@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出,同时车道线也转出,为了严谨性最好是把这部分去掉,所以有了这个处理。
总结一下有两个解决方案,一是忽略这个问题,允许网络预测图片边界外的控制点,测试推理时把图片外的采样点丢弃。二是想办法截取GT,截取方法可以是类似我原来的公式(高阶可能不好推),也可以是重新拟合(要通过并行处理等方式,避免过度影响训练速度)。
@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出,同时车道线也转出,为了严谨性最好是把这部分去掉,所以有了这个处理。
总结一下有两个解决方案,一是忽略这个问题,允许网络预测图片边界外的控制点,测试推理时把图片外的采样点丢弃。二是想办法截取GT,截取方法可以是类似我原来的公式(高阶可能不好推),也可以是重新拟合(要通过并行处理等方式,避免过度影响训练速度)。
明白了!!十分感谢您!
@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出,同时车道线也转出,为了严谨性最好是把这部分去掉,所以有了这个处理。
总结一下有两个解决方案,一是忽略这个问题,允许网络预测图片边界外的控制点,测试推理时把图片外的采样点丢弃。二是想办法截取GT,截取方法可以是类似我原来的公式(高阶可能不好推),也可以是重新拟合(要通过并行处理等方式,避免过度影响训练速度)。
@voldemortX Hi,我尝试了方案一“允许网络预测图片边界外的控制点”,设置了order=4,同时修改了相关配置文件中的参数num_regression_parameters=10。目前模型输出各向量的尺寸均符合预期,模型也可以正常计算出loss值,但是在backward时会报如下错误:
想请教下可能是什么原因呢?
@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出,同时车道线也转出,为了严谨性最好是把这部分去掉,所以有了这个处理。
总结一下有两个解决方案,一是忽略这个问题,允许网络预测图片边界外的控制点,测试推理时把图片外的采样点丢弃。二是想办法截取GT,截取方法可以是类似我原来的公式(高阶可能不好推),也可以是重新拟合(要通过并行处理等方式,避免过度影响训练速度)。
@voldemortX Hi,我尝试了方案一“允许网络预测图片边界外的控制点”,设置了order=4,同时修改了相关配置文件中的参数num_regression_parameters=10。目前模型输出各向量的尺寸均符合预期,模型也可以正常计算出loss值,但是在backward时会报如下错误:
![]()
想请教下可能是什么原因呢?
有跟master分支的diff吗,感觉这个报错比较奇怪
这一步是在调整之前得到的数据集拟合的控制点集合吗?请问这一步的用意是什么?为什么要用sample points调整控制点再进行sample?在尝试将二、四次贝塞尔曲线作为输出时遇到了这个问题,期待您的答复!