测试代码问题

[yuxiaoz]

在fcos.py中，第83行，测试进行前传的时候，为什么要把测试得到的类别结果+1，这一块不是很明白。 cls_classes=cls_classes+1#[batch_size,sum(_h*_w)]

[yuxiaoz]

照运行的demo来看，应该是训练的过程中没有加入background一类，但是VOC_Dataset或者COCO_Dataset中有这一类，那么应该是训练的时候去掉了背景类？请教一下训练时背景类是在什么地方去掉的？

[yuxiaoz]

好像找到问题根源了，在loss.py的第178行。 target_pos=(torch.arange(1,class_num+1,device=target_pos.device)[None,:]==target_pos).float()#sparse-->onehot 这样做，也就是说， 默认类别从1开始了，直接把类别0去掉了。那如果换成自己的数据集，又没有在第0类加背景类的话，就太坑了。最后通过index去计算的分类loss，这也解释了，为什么COCO_Dataset明明定义了81类，但是模型分80类，不会报错。这也太不明显了，建议在readme中说明一下，要不然容易让大家训练自己的数据集走冤枉路。