AerialDetection Faster-RCNN-R50-FPN 在TASK2 DOTAV1.0精度对不上

Hi，作者您好。我用该框架的faster_rcnn_r50_fpn_1x_dota.py跑了DOTA V1.0的task2，除了data文件，其余的配置比如模型、优化器等完全保持不变，没有做任何修改。下面是我的data config：

# train

trainval = []
train = dict(
        type=dataset_type,
        ann_file=data_root + 'official_v10_train1024/train1024_v10.json',
        img_prefix=data_root + 'official_v10_train1024/images/',
        img_scale=(1024, 1024),
        img_norm_cfg=img_norm_cfg,
        size_divisor=32,
        flip_ratio=0.5,
        with_mask=True,
        with_crowd=True,
        with_label=True)
trainval.append(train)
val = dict(
        type=dataset_type,
        ann_file=data_root + 'official_v10_val1024/val1024_v10.json',
        img_prefix=data_root + 'official_v10_val1024/images/',
        img_scale=(1024, 1024),
        img_norm_cfg=img_norm_cfg,
        size_divisor=32,
        flip_ratio=0.5,
        with_mask=True,
        with_crowd=True,
        with_label=True)
trainval.append(val)

data = dict(
    imgs_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        # type='ConcatDataset',
        # dataset=trainval),
        type=dataset_type,
        ann_file=[data_root + 'official_v10_train1024/train1024_v10.json', data_root + 'official_v10_val1024/val1024_v10.json'],  # train+val训练
        img_prefix=[data_root + 'official_v10_train1024/images/', data_root + 'official_v10_val1024/images/'],
        img_scale=(1024, 1024),
        img_norm_cfg=img_norm_cfg,
        size_divisor=32,
        flip_ratio=0.5,
        with_mask=True,
        with_crowd=True,
        with_label=True),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'official_v10_val1024/val1024_v10.json',
        img_prefix=data_root + 'val1024/images',
        img_scale=(1024, 1024),
        img_norm_cfg=img_norm_cfg,
        size_divisor=32,
        flip_ratio=0,
        with_mask=False,
        with_crowd=True,
        with_label=True),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'official_v10_test1024/test1024_v10.json',
        img_prefix=data_root + 'official_v10_test1024/images',
        img_scale=(1024, 1024),
        img_norm_cfg=img_norm_cfg,
        size_divisor=32,
        flip_ratio=0,
        with_mask=False,
        with_label=False,
        test_mode=True))

其中的训练集和验证集，测试集的分割使用DOTA_devikit脚本：

split_train = ImgSplit_multi_process.splitbase(os.path.join(srcpath, 'train'),
                       os.path.join(dstpath, 'train1024'),
                      gap=512,
                      subsize=1024,
                      num_process=128
                      )
    split_train.splitdata(1)

    print('val...')
    split_val = ImgSplit_multi_process.splitbase(os.path.join(srcpath, 'val'),
                       os.path.join(dstpath, 'val1024'),
                      gap=512,
                      subsize=1024,
                      num_process=128
                      )
    split_val.splitdata(1)

我对比了你们新的论文里提到了stride是824不一样以外，其余的完全一致。在得到小图之后，我后续排除掉了训练集和验证集没有object的图片，训练集一共：19206张，验证集一共6179张，测试集一共20415张。

我测试了四卡，batchsize=8时(2 images per GPU)，epoch12的模型结果：在NMS=0.3（也就是论文里提到的阈值）： AP50=68.04