Ltm

> 你好，请问这篇论文的思路或者采用的gcn与graphsage的具体区别在哪个地方，请教一下创新的具体点，谢谢 减去自身点，预测自身点变为预测边，对么

@IvonaTau change the suffix directly

> @ltm920716 不只有“包含关系”，还有“存在交集但不包含”。当用iterative的方式生成proposal时，是包含关系；当取不同阈值或者取不同knn来生成proposal时，大部分是“存在交集但不包含”的子图。 @yl-1993 你好，直观的理解，用0.6的阈值切分的子图是不是只是包含用0.7阈值切分的子图，考虑到阈值不断增加的过程，应该还是包含关系，是我这么考虑的不太正确么，是否有比较好的方式来验证呢，还有这个不同knn是指取相同阈值，用不同的knn算法去提取邻接矩阵？这个每次不是要统一的么，理解的不是很透彻，麻烦指点，谢谢

> @ltm920716 关于提到的三个问题： > > * 这是一个动态阈值的切分，流程简单来说是这样的：取一个边权的基础阈值，切分成多个联通域，如果联通域超过了size的阈值，则增大边权的阈值，直到所有联通域都满足size的阈值。所以0.6的阈值不一定所有proposal都包含0.7的proposal。 > * 验证方式很简单，可以对算法跑出来的proposal计算一下包含的关系 > * 不同的knn指的是用同样的knn算法，但取不同数目的k @yl-1993 好的，感谢回复，我先验证一下看看结果，谢谢

> @ltm920716 关于提到的三个问题： > > * 这是一个动态阈值的切分，流程简单来说是这样的：取一个边权的基础阈值，切分成多个联通域，如果联通域超过了size的阈值，则增大边权的阈值，直到所有联通域都满足size的阈值。所以0.6的阈值不一定所有proposal都包含0.7的proposal。 > * 验证方式很简单，可以对算法跑出来的proposal计算一下包含的关系 > * 不同的knn指的是用同样的knn算法，但取不同数目的k @yl-1993 你好，根据提示，进行了简单的测试，利用提供的 patr1_test 数据集，k=80，生成两个阈值0.7和0.75的proposals，查看两个阈值下有没有重叠部分，简单代码如下  结果如下  通过这两个同k值不同阈值的proposal对比，并没有出现你说的 大部分是“存在交集但不包含”的子图 这个情况，而且是一个都没有，个人分析，不同阈值和不同的k值其实表示的意义差不多，即使是不同的k值，在做连通域的时候，如果是相近的依然会连在一起，即使是阈值动态增加，这里没有对不同k值的proposal进行重叠验证，个人分析，只有经历 gcn-s 这个过程，才有可能出现 交叉的情况，不知道我分析的对不对 另外，我想用自己数据重新训练模型，请问一下关于训练部分，论文里用的 proposal 是0.6，0.65，0.7，0.75结合不同k值，得到8个组合么，是否进行了proposal的迭代呢，感谢

@yl-1993 非常感谢你的回复，看到如此负责任的回复，能看出你对学术以及生活的严谨负责态度，相信以后的学术、生活、工作肯定会大有收获 最后还有一个小问题，还希望能帮助简单解答一下： 代码用用的 BCubed 评价指标， 源码中计算精度和召回公式的 n*n 这个分子理解不是很透彻（为什么是平方，计算占比么），能否简单讲解一下原理，或者有相关的文档介绍 正在考虑添加 GCN-S的部分，顺便想看一下整体代码结构，流程上很棒，但是mmcv这个框架的接口没有详细的参考文档，网上的api说明很草率，例如 runner 等，只能跳到源码里看，不是很方便，请问有相关接口的文档可以共享么，想学习一下 最后再次感谢，祝一切顺利

@yl-1993 hello，刚刚仔细分析了一下你验证的关于交叉但不包含的情况 -- 《当K发生变化时，graph的结构发生了变化，因此会出现“交集不包含”的proposals。例如可以尝试k=80,th=0.7和k=30,th=0.7这两种proposals，我用程序验证了一下，其中存在“交集但不包含“的proposal》 -- 设定阈值，当k=30的时候，从一个点 q 出发，对其30个邻居中符合阈值的点迭代求解连通域，得到满足阈值的 proposal Q； -- 设定阈值，当k=80的时候，从一个点 p 出发，对其80个邻居中符合当前阈值的点迭代求解连通域，得到满足阈值的 proposal P； -- 如果 Q 和 P 中有交点 I，那么不管 P 和 Q 的阈值如何，I 点作为交点联通其大于等于阈值的邻居，那 P 和...

> @ltm920716 谢谢回复。 > > * 关于BCubed。简单而言，BCubed和Pairwise的区别可以理解为BCubed会根据类的大小来做加权。这篇[Face Clustering: Representation and Pairwise Constraints](https://arxiv.org/pdf/1706.05067.pdf)中有对这两种测试方式的详细说明，更详细的说明可以参考提出BCubed的[A comparison of extrinsic clustering evaluation metrics based on formal constraints](https://link.springer.com/article/10.1007/s10791-008-9066-8) > * 关于mmcv。这是一个好问题，我们没有mmcv的相关文档。考虑到mmcv是一个通用的库，覆盖面广，我们可以考虑对这个repo中和mmcv有交集的接口做一些详细的说明。 收到，感谢回复，我仔细研究一下这两篇论文 如果有机会，还麻烦帮忙分析一下之前的问题，再次感谢 

@yl-1993 感谢耐心回复，确实是由于 K 值的关系可以出现交叉不包含的情况，是我考虑的不够细致 再次感谢对我所有问题的耐心细致回复，祝一切顺利 👍

Hello， I have the same problem! I use Tesla V100(32G) GPU to inference, and fix input size 3*1280*1280. There is no speedup for tensorrt FP32 and FP16. When I use...