陈子豪
https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/rpn/anchor_target_layer.py Line 137 138 140 gt_argmax_overlaps = overlaps.argmax(axis=0) gt_max_overlaps = overlaps[gt_argmax_overlaps,np.arange(overlaps.shape[1])] gt_argmax_overlaps = np.where(overlaps == gt_max_overlaps)[0] line 137 and line 138 equivalent to gt_max_overlaps = overlaps.max(axis=0) And when the 140th...
在浏览issue的时候看到一个有意思的讨论 #145 很显然，适当的调整后处理的一些参数会带来更好的效果。 但是大家都没有讨论过unclip_ratio 这个参数，在原始的代码中，使用的是默认的参数1.5 但是对于不同的数据集，不同的宽高比，这个参数带来的误差还是比较大的，起码在我的数据集中是这样的。 既然新矩形的宽高是通过旧矩形通过固定过程裁剪出来的，我们就可以尝试计算二次方程来通过新的宽高求解原始宽高。 我尝试了一下，效果很不错。在我的数据集上，这种自适应的宽高，将F1从88.75%提高到了90.39% 限于时间和算力，我没有在其他数据集上进行评测，但是我觉得会有不错的效果。