CSNet-Pytorch
CSNet-Pytorch copied to clipboard
WenxueCui
关于训练集问题
作者您好，想请教一下，您在训练网络时，采用的训练集是否与论文相同（BSD400 预先裁剪为89600个96*96的图像块），学习率的设置是否与论文相同
作者您好，想请教一下，您在训练网络时，采用的训练集是否与论文相同（BSD400 预先裁剪为89600个96*96的图像块），学习率的设置是否与论文相同
不相同，我是每一次iteration，都随机裁剪图像块。 另外，数据的增强方式也有不同。不会差这么多吧？
我尝试用您的代码按照论文的训练方式训练，用test_new.py测试，与论文结果依然相差大约2dB
你可以尝试一下，我里面的Enhanced_CSNet 网络。
作者您好，我按照论文使用BSDS500数据集共400张训练，test_new.py进行测试，ratio=0.1 ，Set5上测试结果平均为PSNR=24或25。对比2017论文里Set5，ratio=0.1，测试结果为PSNR=32。我用CSNet和Enhanced_CSNet在Set5上都是测试结果PSNR基本上是20多，和论文里的有一定差距。请问作者您的测试结果和论文差不多吗？
作者您好，我按照论文使用BSDS500数据集共400张训练，test_new.py进行测试，ratio=0.1 ，Set5上测试结果平均为PSNR=24或25。对比2017论文里Set5，ratio=0.1，测试结果为PSNR=32。我用CSNet和Enhanced_CSNet在Set5上都是测试结果PSNR基本上是20多，和论文里的有一定差距。请问作者您的测试结果和论文差不多吗？
你对训练集做一些增强吧，我的增强方式和原始论文中的增强方式不同，导致我的训练样本的多样性收到限制。具体地，你可以参考论文中的数据增强方式。
作者您好，我也遇到了同样的问题，使用BSDS500数据集训练，用test_new.py进行测试，得到的结果与论文仍然有一定差距，大概相差2~3dB
你对训练集做一些增强吧，我的增强方式和原始论文中的增强方式不同，导致我的训练样本的多样性收到限制。具体地，你可以参考论文中的数据增强方式。
我两个网络都试过了，与论文结果相差比较大，loss训练不到你的那么低，不知道哪里出了问题
网络是没有问题的，应该是数据集的问题。你对训练集做一些增强吧，我的增强方式和原始论文中的增强方式不同，导致我的训练样本的多样性收到限制。具体地，你可以参考论文中的数据增强方式。
我使用BSDS500数据集400张图，然后做一些数据增强之类的扩展到8000张图片（记得是参考了tip那篇论文里的图片数量），仅在输入网络前作数据增强训练结果一直不好。8000张图片作训练集，在kaggle上跑的，设置batchsize64 epoch300 可以和论文结果接近。很久之前跑的实验结果和代码：https://www.kaggle.com/code/dorisdan/fork-of-csnet-train400/notebook