search

we1pingyu / DSHNet

[WACV 2021] Towards Resolving the Challenge of Long-tail Distribution in UAV Images for Object Detection.
Apache License 2.0
51 stars 9 forks source link

用Retinanet时，默认self.sampling = False? #7

Open volareneo opened 3 years ago

volareneo commented 3 years ago

作者老哥您好，感谢您的分享！

  1. 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？

  2. 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！

HuXinzhi1004 commented 2 years ago

作者老哥您好，感谢您的分享！

  1. 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？
  2. 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？