李开宇

@sueppsan @xueyoo @Youskrpig ok!

可以看一下这里focal的设置，这里相当于ce。 是官方的。

based on classification(segmentation) method

您好，您的描述的正确的。 因为目标任务是一个二分类任务，所以我们的输出维度是[1(B), 2(C), 256(H), 256(W)] （当然也可以是[1(B), 1(C), 256(H), 256(W)] 。其中，每一个位置上的两个值代表对两种类别的`预测值`。在训练过程中，后面会接一个softmax + ce_loss。在预测过程中，这个softmax可以直接省略掉。这是很常见的设置和用法。

就操作来说，损失函数前的非线性函数有所区别，softmax或者sigmoid。 至于优缺点的话，相关的分析也不少，您可以查找一下。

因为网络整体并不是完全孪生或者对称的。如果你使用孪生的encoder_decoder，再用基于度量的方式去判别变化，得到的结果应该是一致的。或者，使用孪生的encoder + 共同的decoder，再使用“对称式”的融合方式（如距离），得到的结果应该也是一致的。

@xiaxialin A指的是[albumentations](https://github.com/albumentations-team/albumentations)

just `torch.load`. If you want to only save `state_dict` for your model, you can modify [here](https://github.com/likyoo/change_detection.pytorch/blob/0a86d51b31276d9c413798ab3fb332889f02d8aa/local_test.py#L85). Looking forward to your contribution !

Could you describe your problem in more detail? e.g. some code or logs

Does the 'res' folder exist? If it doesn't exist, make it manually There's actually no "image reading". Maybe it's a platform (window?) problem? I'm sorry that it's not convenient for...