Bhchen
Bhchen
Hi,have you trained our models? Before code release, we have retested the code, and the results we have listed in GitHub, which is similar as in our paper. But we...
@yangfan97 Sorry for late reply. We found the used order is a little better.
@lzx101 聚合教师请看这个issue https://github.com/chenbinghui1/DSL/issues/7#issuecomment-1121131169
@lzx101 [1]是的 [2]resnet_rla.py: def _forward_impl(self, x):
@lzx101 h 用于下一次的x计算 https://github.com/chenbinghui1/DSL/blob/f06a4112fd708185323363891df1e3d938982b19/mmdet/models/backbones/resnet_rla.py#L305
按照readme里 [Download ImageNet pre-trained models for initializing DSL](https://github.com/chenbinghui1/DSL#download-imagenet-pre-trained-models-for-initializing-dsl) 需要下载并加载与训练的resnet_rla模型，不然训练太慢了
@lzx101 用我的代码训练的话，需要转成dsl 风格的数据
@weveng 请问config内容可以贴一下嘛，
@weveng 大致发现两个问题（1）第一由于RNN参数也需要imagenet pretrained，所以建议直接load默认的参数，supervised 模型其实只是为提供个初始的伪标签罢了，加载不加载其实影响不大，这个我试过了。（2）lr 仍然从0.01开始，因为有很多新的无标注数据加入，数据分布和特征空间都会变化很大，所以和传统同数据的resume不一样。希望试一下以上两点看看有没有帮助
@weveng （1）mAP并不会是继续从之前supervised的开始哈，因为(a).新加了无标注数据，模型会从新开始学习 (b)lr开始也比较大，也会从新找新的局部最小值，所以第一个epoch的结果肯定不会比你训好的模型的最佳效果好，主要看到1-8epoch这个过程中的效果是否有合理的变换； （2）不太清楚你的有标注和无标注数据的比例和数量，可能用于unlabel数据的loss_weight需要调整，同时可能训练的epoch个数以及step需要结合你的baseline进行调整对齐 （3）建议看一下supervise模型生成出来的初始化伪标签是否合理， （4）我看你的val和test都是Cocodataset 类型的 建议核对下DSL-style的category-info 和你用的Cocodataset类别标签，以及顺序是否匹配，传统coco的我是核对过的 所以在val和test直接用了COCOdataset类型