koap

achors的w,h，来自basline_anchors.txt。。 ``` 1.25,1.625, 2.0,3.75, 4.125,2.875, 1.875,3.8125, 3.875,2.8125, 3.6875,7.4375, 3.625,2.8125, 4.875,6.1875, 11.65625,10.1875 ``` 已经处理过了。

Why not use cv2 all the time to work with image array directly?

@YunYang1994

> > > 我也想了很久，自己试了一下，用作者的代码训练到test_loss不降后，在stride>1的代码部分，改成SAME的机制。loss几乎没有上升或变化，感觉差不多。不知道是不是实际工程使用的问题。使用3×3卷积，input边是奇数时，这两种没区别，但是边是偶数是，就是位置的稍微改变了。 后来我考虑了一下。其实都只是提取特征的方式而已，只要训练和推理所用的方法是一致的，任选其一即可，不用纠结于此。 这里的作者这样写，应该是沿袭了darknet原版作者的写法。

> @KoapT > 根据 `outputSize = (W - F + 2P)/S + 1` 这个公式，我觉得添加 padding 只不过是为了让 outputSize 是 inputSize 的 1/2，从而实现 downsample，这种方式进行 conv 的时候，stride = 2。 > 如果先进行 SAME padding...

> 因为我们发现在Pytorch中CIoU自动求导可以正常进行，限制在IoU>0.5是因为我们认为IoU

You havent implenmented training? Where are the weights of the 3 nets from?