Yutao Xu
Yutao Xu
The results for ResNet-50 is 33.7 without gn head, currently. Still in debugging
I haven't tried the python version yet. Maybe you can refer to the official version.
I use pytorch 1.1.0 in my code. If you use the latest version, you can either omit the warning or replace torch.uint8 with torch.bool.
iou_loss 是通过偏移计算出来的，这部分我参照了官方代码 https://github.com/tianzhi0549/FCOS
"load": false, "save": true, "pretrain": true, "freeze_bn": true, "freeze_stages": 1, "epoches": 30, "nbatch_train": 28, "nbatch_eval": 28, "device": [0,1,2,3], "num_workers": 14, "lr_base": 0.01, "lr_gamma": 0.1, "lr_schedule": [16000, 22000], "momentum": 0.9, "weight_decay":...
This configuration can achieve 77(map50) in voc2007 test
我的代码没有将正例周围的点忽略，所以需要用梯度裁剪，你可以把clip_grad的值调低一点。
评估指标可以用MSCOCO数据集提供的api，在我的run_cocoeval.py里有，需要按照它的数据格式组织。如果你需要一个粗略的测评方法，可以参照fcos/utils_box/eval_csv.py，使用VOC的测评方法。
update google drive link, see readme.
这个代码目前没有在1x达到37的精度（包括之前按照论文配置的复现），可能是resize问题或者忽略了一些trick。