bamboopu

> Dear all, > > 1. To get the segmentation, look for the "pred_polys" key among the output of the model in the following function in the detectron2/detectron2/evaluation/evaluator.py > >...

是路径问题，注意大小写。win下没有严格区分，LINUX需要控制大小写，个别results.txt可以根据报错重新改写大小写名字

> 318ms 请问你是什么GPU，比我的快好多，我要单GPU bz8 cost_time:531ms左右

> 谢谢~博主的v100我看到了，我试试fcos的改进！ （博主代码好像已经都整合了centerness挪到reg分支、center sampling的功能）

:) 我没有改代码里面什么功能模块，只动了博主的batch size=8(config.py class_num=20)在VOC跑出了mAP80.7(应该是bz改变导致lr调整的epoch次数产生了差异获得了一个撞大运的好性能)，博主也许可以更新下readme voc的top性能~hhh，COCO还在跑。感谢代码呀，非常喜欢这种简洁风格的，mmdet包装了太多层，集成度高是高但是入手曲线太抖了

这个应该是正常现象，因为MAP算法是根据置信度从高到低排序计算recall precision，置信度低的结果并不会从预测结果中被剔除，因而形如图上0.348 0.308的置信度结果都画出来了，实际应用的时候可以自己手动删去低置信度结果。

这个程序是有loss代码的，在$FCOS/model/loss.py里面，如果你是新手入门，建议你对着FCOSDetector的forward()函数走一遍，知道每一个模块在调用什么语句从哪调用

画loss图的操作比较简单，经典操作是查一下tensorboardx的用法就可以(语句少把每轮的loss add一下就行)，新的可视化工具也可以用wandb

抱歉，精力有限暂不添加，请善用搜索工具。

> cloning https://github.com/Minwellcym/Pytorch-Correlation-extension and running `python setup.py install` worked... * It works for me. Thanks a lot! -------- Ubuntu 20.03.3 RTX 3090 CUDA 11.0 cudnn 11.1 python 3.7.11 torch 1.8.0+cu111...