Eric Liu
Eric Liu
我放在 #245
Not yet , but , however , As I see it is compatible with this project , your can try it . Contribution is welcome The link was invalid ,...
Thanks for your interesting , but currently , I still try to find the strange problem and want solve it. 1. GIOU : mAP will be increase when training coco...
The default value of use_logic_gradient_ was "false" , https://github.com/eric612/MobileNet-YOLO/blob/master/src/caffe/layers/yolov3_layer.cpp#L441-#L471
@unclejokerjoker Because [darknet](https://github.com/pjreddie/darknet) didn't use logic_gradient , it only use it in old version "yolov2"
1. 我的mobilenetv3 是從這個[專案](https://github.com/d-li14/mobilenetv3.pytorch)轉過來的，轉完後的model放在[這](https://github.com/eric612/MobilenetV3-Caffe)，有部分修改但應該沒有裁減，但因為pytorch 的模型是非官方的，或許會跟paper有些出入，比如說後面的fc ，但基本不影響backbone。 2. 一般我在做小型網路的偵測時，不太用到1/8 scale，雖然可以增加不少小物件偵測率，但upsample會耗費太多計算，但如果不用upsample做特徵融合，1/8 scale的layer太淺層反而對精準度沒有幫助
當然會影響檢測效果，但當初作者用意是在於 multi-scale的訓練，可以在inferernce時根據狀況調整輸入解析度，調控精準度與速度，有這方面的疑問，你可以用416訓練一次，再用352訓練一次測試mAP，就知道差異，一般voc2007 可能會差到1%左右
1. Training 跟 test的anchor 要一致 2. 試者把會random的參數範圍調小，如jitter , expand ratio ... 等 。另外也可以把batch size加大。
沒有採用預訓練的話，建議是先訓練imagenet 1000類網路，訓練完之後再訓練coco，沒有預訓練即使能訓練得起來，mAP也會很低
你看看是不是這個問題 input layer layer { name: "data" type: "Input" top: "data" input_param { shape: { dim: 1 dim: 3 dim: 227 dim: 227 } } } https://github.com/Tencent/ncnn/blob/8d984f105b1b8f816654ffa7719e96fbd5885971/docs/how-to-use-and-FAQ/use-ncnn-with-alexnet.md