SuperYOLO
SuperYOLO copied to clipboard
icey-zhang
SuperYOLO
您好！您的代码我最近正在复现，有点疑问需要您解答一下，是关于分辨率的问题。 在对比实验中有“训练图像-测试图像”的分辨率设置，对于其中“**训练输入图像为1024*1024，测试图像为1024部分**”有些疑问，在train.py中train_img_size理所应当设置为1024，因为根据yaml配置文件，读取的fold01_write.txt指向VEDAI1024的路径，但fold01test_write.txt指向的测试集和验证集均来自低分辨率的VEDAI，我的疑问是： （1）在进行这样的训练时，是不是直接将test_img_size设置为1024就可以了呢，或者说需要在设置test_img_size的同时，将fold01test_write.txt指向的测试数据更改为VEDAI1024下的图片路径呢，但这样一来，对应的label文件不就需要改变吗？ （2）我看训练集和测试集虽然都来自不同的分辨率，但是VEDAI1024和VEDAI下的labels的标注信息是一样的，既然分辨率不同，它们的标注不应该不一样吗，是不是在代码中有对应不同输入尺寸进行label标注缩放的处理呢？ 以上是我的疑问，因为本人刚接触目标检测不久，对许多概念比较模糊，如有冒犯之处，烦请原谅。
您好，我用您的默认指令和代码复现过几次，在VEDAI数据集的fold1中，map50指标最高仅为0.78，远不及您论文中的80.9......请问您后续程序是有改进？还是有其他拓展指令？
 1.我的疑问是如果删除了medium和large对应的concat部分，只保留small特征图，这里不应该只有一个输出y吗？ 2.对应的，我也有疑问，损失函数中的l（小L）不应该也是只有一层吗  所以我认为如果是在【多模态】输入的情况下，并且只保留small特征图的情况下，网络中只剩有FPN结构，并没有PANet结构。 但是在【单模态】输入下我提出的所有疑问都将解决，1.会有3个y。 2.也会有3层，并且结构依然是PANet。 我想请问您，我的观点是否正确，请您解答。
It seems like the line here would make a call to an uncaught exception in the current version of YoloV5 (this was fixed in a recent patch). The exception read:...
### Discussed in https://github.com/icey-zhang/SuperYOLO/discussions/117 Originally posted by **icey-zhang** June 9, 2024 > ## 👋 Welcome! > We’re using Discussions as a place to connect with other members of our community....
May I ask how you obtained the multimodal results on the comparison algorithm? What is the specific training configurations?
why SuperResolution module is a annotation in yaml ? I cannot find SuperResolution in commons and parse_module . The Detect module include the SuperResolution ?
