Jiaming Han

你好，建议先检查s2anet在你的配置下能否正常运行，检查backbone迁移是否正确，检查预训练权重是否加载。 我们已经测试过reresnet+s2anet的设置，有稳定的AP提升。

 The error log gives the answer.

1. backbone由rotation-equivariant的layer组成，因此具有rotation equivariance 2. 首先，对于一个RRoI(x,y,w,h,a)，我们已经学习到了角度a，接下来我们要学习的是角度残差da，而da与a是解耦的，最终的角度=a+da。其次，rotation sensitive和invariant都是很重要的，这里我们认为rotation sensitive需要更多（来自不同角度）的训练数据，而rotation invariant则可以在有限的数据下，减少模型对（来自不同角度的）数据的依赖。

你可以类比于：为什么RoI Align之后的feature仍然可以继续回归出更准确的bbox width、height。 RoI Align之前，我们学习到了长度width，w，然后我们提取RoI Align之后的feature，继续学习dw，最终的width=w+dw。

回归，通过前一个R-CNN（RoI Transformer）产生的

> 1. All our models are trained on 4GPUs with a learning rate 0.01. If you train your model with more/fewer GPUs, remember to change the learning rate, e.g., 0.02lr=0.0025lr*8GPU,...

通过下面链接更改class设置，然后在标注界面选择标签 https://github.com/dingjiansw101/LabelTool/blob/8abe7e0771d0444379dc188cf2428d997e7ec2da/LabelTool.html#L163-L170

1. 需要改config和对应dataset中的`CLASSES` 2. 目前代码中去掉了mask相关内容，可以参考cascade rcnn，及基于RoITrans的实例分割https://ieeexplore.ieee.org/abstract/document/9323274

请查看我们的https://github.com/csuhan/ReDet/blob/master/GETTING_STARTED.md，测评结果需要使用额外的命令/提交server。

python tools/test.py configs/ReDet/ReDet_re50_refpn_1x_dota15.py \ work_dirs/ReDet_re50_refpn_1x_dota15/ReDet_re50_refpn_1x_dota15-7f2d6dda.pth \ --out work_dirs/ReDet_re50_refpn_1x_dota15/results.pkl python tools/parse_results.py --config configs/ReDet/ReDet_re50_refpn_1x_dota15.py --type OBB