MichaelFan01
loss变成NaN
你好，我是一名深度学习爱好者，我对你的工作特别感兴趣，你的工作特别棒让我羡慕不已。但是，我在训练一个数据集的时候出现了问题，loss变成Nan，训练了数次都是如此。首先我检查了我的数据集标注，没有问题，因为用另一个模型deeplabv3+是可以训练的。其次，我用您的模型训练其他数据没有问题。我没有找到该问题的原因，请您指点。
你好，我是一名深度学习爱好者，我对你的工作特别感兴趣，你的工作特别棒让我羡慕不已。但是，我在训练一个数据集的时候出现了问题，loss变成Nan，训练了数次都是如此。首先我检查了我的数据集标注，没有问题，因为用另一个模型deeplabv3+是可以训练的。其次，我用您的模型训练其他数据没有问题。我没有找到该问题的原因，请您指点。
参考这个吧 https://github.com/MichaelFan01/STDC-Seg/issues/20 我估计可能多尺度boundary在其他数据集上有点问题
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
我是否可以通过调节OhemCELoss中的阈值或者将OhemCELoss中的交叉熵改成focal_loss?
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
我是否可以通过调节OhemCELoss中的阈值或者将OhemCELoss中的交叉熵改成focal_loss?
没试过，但是我估计效果不明显，不过你可以试试；我这边之前遇到遇到类似的问题是加的权重，负例权重是正例的十倍，也可以考虑用计算mIoU之类的对正负例占比不敏感的loss试试
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
我是否可以通过调节OhemCELoss中的阈值或者将OhemCELoss中的交叉熵改成focal_loss?
没试过，但是我估计效果不明显，不过你可以试试；我这边之前遇到遇到类似的问题是加的权重，负例权重是正例的十倍，也可以考虑用计算mIoU之类的对正负例占比不敏感的loss试试
个人意见，仅供参考哈
@MichaelFan01 你好，修改了我也改成了单尺度之后，就可以检测出来了，谢谢您的指点
你的但尺度设置的多少，我设置但尺度这个loss还是0
randomscale这个参数
@MichaelFan01 你好，修改了我也改成了单尺度之后，就可以检测出来了，谢谢您的指点
你的但尺度设置的多少，我设置但尺度这个loss还是0
randomscale这个参数
这个参数您设置的多少呢？我设置为0.75这部分的loss还是为0
@MichaelFan01 你好，修改了我也改成了单尺度之后，就可以检测出来了，谢谢您的指点
你的但尺度设置的多少，我设置但尺度这个loss还是0
randomscale这个参数
这个参数您设置的多少呢？我设置为0.75这部分的loss还是为0
我建议，你首先做成cityscapes的样子，然后再一步步调整参数
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
我是否可以通过调节OhemCELoss中的阈值或者将OhemCELoss中的交叉熵改成focal_loss?
没试过，但是我估计效果不明显，不过你可以试试；我这边之前遇到遇到类似的问题是加的权重，负例权重是正例的十倍，也可以考虑用计算mIoU之类的对正负例占比不敏感的loss试试
个人意见，仅供参考哈
大神，我调整了前景权重，细长的物体检测出来了，但是过检很严重。然后我调小了前景权重这个模型对细长的检测，仍是会有漏检，我看了一下feature map，发现里面是断断续续的，您在cityscapes中对小目标或者细长的物体检测如何？
@MichaelFan01 大神你好，我目前又遇到一个问题，我要在512x512的图像中检测1个像素或者2个像素宽，大约15个像素长的缺陷，我尝试如下几种改变：(1)原始给的训练例子，只打开了use_boundary_8，效果不佳；(2)将use_boundary_2、4和8同时打开，效果也不加；(3)在(2)的前提下，对上述缺陷做了旋转、镜像和亮暗登增广，效果仍是不佳。所以想请教一下大神，对于小目标或者细长的目标应该如何去调整呢？
缺陷检测效果不佳跟boundary没啥关系吧，我猜测应该是前背景分布严重不均衡，然后缺陷被淹没了导致全是正例，如果符合你的情况的话，感觉你可以试试在分割loss层面给负例加权重~
我是否可以通过调节OhemCELoss中的阈值或者将OhemCELoss中的交叉熵改成focal_loss?
没试过，但是我估计效果不明显，不过你可以试试；我这边之前遇到遇到类似的问题是加的权重，负例权重是正例的十倍，也可以考虑用计算mIoU之类的对正负例占比不敏感的loss试试
个人意见，仅供参考哈
大神，我调整了前景权重，细长的物体检测出来了，但是过检很严重。然后我调小了前景权重这个模型对细长的检测，仍是会有漏检，我看了一下feature map，发现里面是断断续续的，您在cityscapes中对小目标或者细长的物体检测如何？
因为我拿该模型，与我之前的deeplabv3+模型做对比，我发现deeplabv3+的检出率要高，但是过检会高一些，该模型对细长的物体检出率要低于deeplabv3+，但是精细程度要好一些。接下来我该从哪个方面增强模型的检出率呢？希望大神指点