Open volareneo opened 3 years ago
作者老哥您好,感谢您的分享!
- 我在复现的RetinaNet-DSHNet过程中发现,self.sampling默认为False,因为tail_retina_head.py中继承的事Anchorhead类,当cls_loss使用FocalLoss时,self.sampling会被设置为False,此时就会使用PseudoSampler而不是您设计的采样方法。请问实验也是基于PseudoSampler跑出来的吗?
- 另外在Retinanet中采样,我发现您代码中在不满足512*0.25=128个正样本时,直接用负样本补足;仅在满足128个正样本时才去判断是否属于尾部类(或头部类)。裁剪图片送入训练的情况下,一般都是正样本不足128的,这样会出现尾部和头部采样的正样本完全相同,这样是否有意义呢?为什么不在正样本小于128时筛选是否属于尾部类呀?感觉您文章没有描述这一点,请您赐教谢谢!
你好,我也有同样的问题,请问你获得解答了吗?
作者老哥您好,感谢您的分享!
我在复现的RetinaNet-DSHNet过程中发现,self.sampling默认为False,因为tail_retina_head.py中继承的事Anchorhead类,当cls_loss使用FocalLoss时,self.sampling会被设置为False,此时就会使用PseudoSampler而不是您设计的采样方法。请问实验也是基于PseudoSampler跑出来的吗?
另外在Retinanet中采样,我发现您代码中在不满足512*0.25=128个正样本时,直接用负样本补足;仅在满足128个正样本时才去判断是否属于尾部类(或头部类)。裁剪图片送入训练的情况下,一般都是正样本不足128的,这样会出现尾部和头部采样的正样本完全相同,这样是否有意义呢?为什么不在正样本小于128时筛选是否属于尾部类呀?感觉您文章没有描述这一点,请您赐教谢谢!