Lin Manhui
Lin Manhui
这个一般是在执行指令的时候自己指定的参数。比如你执行的指令可能是：`python train.py train --exp_config ../exp/levircd`。
> 我的运行指令是python E:\data\CDLab\CDLab\src\train.py train --exp_config E:\data\CDLab\CDLab\configs\levircd\config_levircd.yaml，并没有../exp/levircd 可能需要指定具体的模型，比如`config_levircd_cdnet.yaml`。
你好，我目前已经毕业，当时实验得到的权重都留在学校的服务器上了，所以我可能也没法提供~ 基于仓库里的配置文件重新训练应该是可以复现精度的，目前这个仓库里集成的模型训练成本都相对较低，重训也比较容易。
LEVIR-CD数据集的话我使用的是256x256的裁剪后patch进行训练，在测试集上推理时使用了滑窗推理（有重叠）的方式。具体的配置在论文的实验部分有详细介绍。1024x1024输入我也没有尝试过。 [这里](https://github.com/Bobholamovic/CDLab/blob/master/scripts/preprocess_levir_cd.py)有一个预处理LEVIR-CD数据集的脚本，可以尝试一下~
> 在测试集上推理时使用了滑窗推理（有重叠）的方式 推理方式对最终精度也有影响，有重叠的滑窗推理会让精度更高一些。
@taojunhui 是的，在测试时使用了更小的stride
> 你好想问一下，训练levir裁剪后的数据集，经常会出现一些输入输出不匹配问题，是怎么回事呢 请问具体是什么问题呢？可以贴一下错误信息嘛？
你好，可以使用[脚本](https://github.com/Bobholamovic/CDLab/tree/master/scripts)对数据集进行预先裁剪，或者在[对应的建造器](https://github.com/Bobholamovic/CDLab/blob/master/src/impl/builders/data_builders.py)中添加随机裁剪操作`Crop(crop_size=512)`。
使用的是经典的Grad-CAM方法
你好，如果你指的是P2V模型的话，这个模型目前暂时不支持多类变化检测。不过，你可以通过修改这里的代码： https://github.com/Bobholamovic/CDLab/blob/bb6dc5eee2b1b259cebdcd0cf67de796a111a4ca/src/models/p2v.py#L188 调整输出通道数。此外，需要编写新的数据集接口，损失函数也需要针对多类变化检测做相应调整。