MichaelFan01

> 您好，我在您的论文中看到STDC网络的参数量为下图 >  > 但是我自己测量的时候却得到这个结果 >  > 请问是什么原因呢？ 论文中贴的是主干网络的参数量，你计算的是整个分割网络吧？

> 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？ 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? 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

处理好再放进交叉熵损失函数呗

> 请问，detail gt以0.1 二值化是怎么实现的呢，是写了个二值化层吗？ pytorch里tensor直接写判定就行了，很简单

> @MichaelFan01 > > Can you help? > > Thanks, I can not help, cause TensorRT in Python language do not feedback the error reason. But If you want to...

> STDCNet1446_76.47.tar STDCNet1446_76.47.tar and STDCNet813M_73.91.tar do not need to extract, you can use them directly~

> 老哥，你好！想请教下两个问题： > 1）[路径models/model_stages.py下的这里，没调用到，请问是不是可以删除掉的，它的作用原本目的是什么呢？](https://github.com/MichaelFan01/STDC-Seg/blob/master/models/model_stages.py#L280) >  > 2）[请问下这个use_boundary_2到use_boundary_8的含义是什么？](https://github.com/MichaelFan01/STDC-Seg/blob/master/train.py#L210)（由于自己刚刚接触分割不久，急用所以没细了解，麻烦您解答指点下可以吗？） >  > 谢谢老哥您们了！ 1. 可以删除； 2. 这是我做的实验，看多在不同的stage上引导效果如何，最后发现，在x8的feature做细节引导效果最好，你可以忽略这个~