CLRNet
CLRNet copied to clipboard
Turoad
关于模型的问题
请问下什么是R0->R0->R0
好的。谢谢您的回复。还有个问题。就是这个公式。
1、关于这个Pt的公式。这个Refined P0是不是就是将输出G叠加到feature map例如L0上的特征，然后当做L1的先验输入？
2、对于Refined是不是其中包含了ROIGather这些？我在另一个issue看到了类似的解释。那实际上refined是一个大的结构包含了处理P0的输入将其映射到L0 feature map。然后对这个新的feature map进行resize、flatten得到图中标注的Xf和卷积、FC得到Xp特征，然后进行attention操作得到W，然后再与Xf做特征抽取，得到新的车道线特征输入给feature map L1。这部分即Refined P0。
总结就是，我的理解Refined structure包含了中间整个部分。期待您的回复，谢谢！
-
首先每个stage的输入P_t是指lane prior的参数，即x, y, theta值（这三个参数值就能决定一条直线）。然后ROIGather模块是一个特征聚合的模块，用来生成和enhance对应lane prior的feature。在ROIGather之后会通过lane feature生成参数的regression值，输入 + regression值得到refine之后的下一个stage的输入。
-
是的，公式当中的R_t代表的就是refine的过程，从输入prior参数到得到refined prior参数过程。中间包含了提feature、ROIGather等过程。不过并不是特征输入给L1，而是得到的refined prior params输入到下一个level。这个你可以看下代码的实现就能理解了～
就是在最顶层的feature map上做了三次迭代，这里是做对比实验用的。
那在请问一下ADD那部分是啥意思呢？
是我们做的一个对比实验，用来体现CLR framework的有效性。ADD是一个naive的feature fusion的方式，就是将所有的FPN feature map都resize到最顶层的大小，然后ADD到一起，再refine 3次得到的结果。