Simon


关于学习率对齐

3

你好，我在复现论文时候，使用你的权重转到我复现的代码上可以达到你表述的精度，但是当我从头训练时候，始终差2-3个点精度，我在想是不是我学习率和batchsize设置的问题，论文中你的初始学习率是0.5，batchsize是128，请问一下这个是单卡的设置还是多卡的设置结果。

关于label预处理

2

非常抱歉再一次打扰你，我在看label预处理时，看到  # -- get text label label = ' '.join(line_splits[1:]) label = label.lower() 为什么每个字符中间要加一个空格，这和平常读取label的方法不太一样

关于efficient骨干网

1

请问模型在训练时候，是否用了efficient在imganet上的预训练权重

关于单字符label

1

 单字符label不需要语义信息，但是也会经过这个函数，采样的change_id=0，imput_lable = imput_lable[:change_id] 责imput_lable=‘ ’，即像这样  在训练过程中会发生错误 

关于eval.py

1

 你好我用了readme给的测试集，但是我发现评测效果并没有论文表述的一样，请问一下我哪里操作有问题吗

upload开了会员，依然被限速

7


extract_feat函数加载问题

7

https://github.com/cuiziteng/Illumination-Adaptive-Transformer/blob/main/IAT_high/IAT_mmdetection/mmdet/models/detectors/IAT_detector/IAT_yolo.py extract_feat函数和forward_train只初始化在init函数里面，实际上是不能够被反向传播的，我在extract_feat加了一行打印函数，训练过程中并没有打印。将extract_feat函数和forward_train移出init函数，作为IAT_yolo的成员函数，实际上是重写SingleStageDetecto的函数，这样extract_feat才会参与反向传播，打印日志。或者是我理解错了，请作者耐心解答一下。