Lanezzz
Lanezzz
您好，我想请问一下最终的损失值大概是多少，我最终的视频帧的损失函数在0.45左右徘徊
您好，真值的边界不应该也属于难例中的一部分吗？并且网络应该更加注重这部分的学习，赋予更高的权重。为什么在做边界的难例挖掘时，要扣除这部分？
您好，我打算将您公布的pytorch版本的RCCA模块应用到视频的不同帧之间，以获得帧与帧之间的注意力进而增强视频帧的特征表示。主要问题是loss没有完全收敛，维持在1-2中间。我想排除一下是不是我网络改的有问题，需要您的帮助！！！ 主要任务是视频的显著性检测，取同一视频中任意两帧经过同一ResNet-101，获得 B x 256 x 47 x 47的特征，然后再输入到RCCA模块，先得到 Q_X , K_X , V_X , Q_Y, K_Y, V_Y,即得到两帧映射到Q,K,V空间的特征。然后再用 Q_X 和 K_Y 做相关性矩阵，作用到V_Y，然后是Q_Y 和 K_X 做相关性，作用到 V_X。 代码的实现如下，几乎没怎么改动，希望您能帮我看一眼，或者能提供给我一点训练或者调参的建议吗？感谢！！！ `class RCCAModule(nn.Module): def...
您好，我打算将您写的pytorch版本的RCCA模块应用到视频的不同帧之间，以获得帧与帧之间的注意力进而增强视频帧的特征表示。主要问题是loss没有完全收敛，维持在1-2中间。我想排除一下是不是我网络改的有问题，需要您的帮助！！！ 主要任务是视频的显著性检测，取同一视频中任意两帧经过同一ResNet-101，获得 B x 256 x 47 x 47的特征，然后再输入到RCCA模块，先得到 Q_X , K_X , V_X , Q_Y, K_Y, V_Y,即得到两帧映射到Q,K,V空间的特征。然后再用 Q_X 和 K_Y 做相关性矩阵，作用到V_Y，然后是Q_Y 和 K_X 做相关性，作用到 V_X。 代码的实现如下，几乎没怎么改动，希望您能帮我看一眼，感谢！ `class RCCAModule(nn.Module): def...
前辈您好，我在复现您RCRNet的结果时，基本上没怎么改您的代码，用您训练好的伪标签生成器每5帧生成1帧伪标签，目前DAVIS和FBMS数据集上的性能都差不多，但是VOS 的 test 数据集的性能差了5-6个点。后来干脆不用伪标签，直接将伪标签生成器的frame_between_label_num设置为0，这样的话，相当于直接生成的是20%的真值。 我用这个训练，VOS test数据集的指标还是差了5-6个点。 但是用您提供的best_model直接跑inference，VOS的指标又是一样的。目前猜测是VOS文件配置问题？ DAVIS数据集配置：JPEGImages是帧间隔为1，伪标签文件夹里的标签（真值）帧间隔为5 FBMS数据集配置：JPEGImages是帧间隔不定，对应原始100%真值的图（一般间隔为20帧），伪标签文件夹里的标签（真值）帧间隔再 乘以 5 VOS数据集配置：JPEGImages是帧间隔为1，伪标签文件夹里的标签（真值）帧间隔为15 x 5 =75 我不太确定到底是哪里错了，能帮我对一下VOS数据集配置有问题吗