foralliance

我是基于你的**training-v2分支**进行分析的， 在**training-v2分支**中，分类损失乘以了４： `loss_class = 4 * F.cross_entropy(total_effective_pred, total_targets)` 在**master分支**中，分类损失没有乘以4： `loss_class = F.cross_entropy(total_effective_pred, total_targets)` **我认为master分支中才是合理的，不应该乘以4．** 另外根据你的code，通过debug分析，total_effective_pred 和 total_targets 应该包含的是（正样本+负样本），请你再确认下： ``` effective_preds = torch.cat((cls_preds[pos_indices], neg_cls_preds[neg_indices])) targets = torch.cat((pos_targets, neg_targets)) ```

**smooth_l1_loss**中的total_t, total_gt确实只包含正样本．这点没问题． 对于`loss_reg = F.smooth_l1_loss(total_t, total_gt)`，参数size_average默认为True，即要除以**样本数**． 我一开始和你认为一样，既然total_t, total_gt只包含了正样本，那么在计算smooth_l1_loss时，除以的就应该是（正样本）个数（100）．但是昨天在发现，虽然total_t, total_gt只包含了正样本，但是在计算smooth_l1_loss时，除以的却是（正样本+负样本）个数（400）． 你可以debug跟一下．

虽然结果一样，但我还是理解错了，也谢谢你的提醒． 另外对于**master分支**，其实不用改，本身就是： ``` loss_class = F.cross_entropy( total_effective_pred, total_targets) loss_reg = F.smooth_l1_loss(total_t, total_gt) loss = loss_class + loss_reg ``` 我是基于**training-v2**这个分支分析时，才发现了这个权重4．

@luxiin `Random_jitter` changes the **position** and **size** of the positive samples in the picture with a small proportion. so it increases the diversity of the positive samples. Is that right?...

@luxiin Thanks!! Another question. About **ground truth** of **grid branch**, could you describe it in more detail??

@unsky 虽然@liuliu66的问题是由于file文件导致的，但您指出 "i think you havenot restore the rois."这该如何理解呢？

@unsky HI 在FPN的test.py中，在`im_detect函数`中，对最终的结果确实多了一个**normalize操作**，这个操作在py-faster-rcnn中是没有的． 在py-faster-rcnn中的trian.py中，也多了一个**normalize操作**，这个操作在FPN中是没有的． 这2者之间有关系吗？一个是训练的，一个是测试的．而且，您所谓的**反白话**又是什么意思？？

@SineXue 所谓的合并就是按照voc07的制作方式，对voc12进行一遍制作就可以．最后在data文件夹下，并列存在**VOCdevkit2007**和**VOCdevkit2012**这2个文件夹． 训练的时候，在FP_Net_end2end.sh直接设置为如下即可： `TRAIN_IMDB="voc_2007_trainval+voc_2012_trainval"`

@hangil55 @unsky i think hangil55 proposed schemeI `gathering roi_pooling results (roi_pool/h2, h3, h4, h5) and forward fc layers. (i.e. merge ->fc // your version : fc2,3,4,5 -> merge)` is **megred...

@unsky ＂when allow-border value is small , the error will occur in small image.you can increase allow-border. or increase image size.＂ 为什么当allow-border value is small , 就会在小图片中出现这个问题呢？？ 麻烦了！