TongYoungG
TongYoungG
您好，在densenet训练阶段，train.prototxt中是否要设置BN层在TRAIN和TEST两种phase下的参数use_global_stats的状态，例如这样： layer { bottom: "conv6" top: "conv6" name: "bn_conv6" type: "BatchNorm" batch_norm_param { use_global_stats: false } include { phase: TRAIN } } layer { bottom: "conv6" top: "conv6" name: "bn_conv6"...
 您好，请问下这里的fuse_score是什么作用？是用检测框的分数来约束iou的可信度吗？
您好，谢谢您的无私分享。我将crnn中的cnn结构替换成densenet结构时，遇到了一些问题。 1. solver文件设置test_initialization: true，TEST阶段的ctcloss=nan，accuarcy=0，一直到训练结束。 我打印训练日志看了下，TEST阶段连个LSTM层的输出均为nan，且bn层的参数值也不正常。  2. 设置test_initialization: false时，1的问题就解决了，但是在模型训练好之后，利用模型对测试集进行评估时，准确率在45%左右；实际训练中训练集准确率=1， 验证集准确率为98%；我又用模型对验证集的准确率进行了统计，准确率也在55%左右。 这个问题一直困扰我很久，如果你也碰到了类似问题，请问有没有什么解决办法
作者您好，我在您代码中发现了上述两个函数 "ctc_ent_loss_log" 和 “ctc_ent_loss”。从代码实现上，“ctc_ent_loss”更符合直观的认识。我在读"ctc_ent_loss_log"函数时有点吃力，以下是几个问题想请教您： （1）您为什么选择"ctc_ent_loss_log"函数，是因为网络的output存在负项吗？ （2）能解释下"ctc_ent_loss_log"函数做了哪些变化吗，我读起来感觉具体的实现和论文中貌似有些不太一致。 谢谢，期待您的回复。