姚瑶瑶
> 嗨，吴俊德， > > 我有一些问题要问你。 > > 无论二进制或多类任务，超参数 in_ch=2 都是固定的，其中二维包括图像和掩码。对于多 calss 任务，我们应该更改的只是校准输出，即 sigmoid 到 softmax，然后我们可以得到 [1 3 H W] 校准和 [1 2 H W] model_output。这是对的吗？ > > 如果我们改变in_ch = 3...
Wow, problem solved, thanks!
> 作者你好，我在两类自然景物数据集上使用sam_lora_image_encoder.py 的分割效果非常不好，会把所有的前景预测为背景，但是使用sam_lora_image_encoder_mask_decoder.py 的效果虽然不是特别优秀，但是有一定的效果。我的理解前者是对mask_decoder中所有参数进行了微调，理论上效果应该更好，后者用lora微调了mask decoder，效果会差点。但是现在使用sam_lora_image_encoder.py 基本没有效果，请问您有啥建议吗？理论上sam_lora_image_encoder_mask_decoder.py上有效果(iou:0.6)那么说明我的数据集预测处理应该没有啥问题 你好，请问你是如何用到自然景观数据集的？我用自己的数据集训练出模型之后，进行测试。出现了下面的情况。似乎是形状不匹配，我的num_classes也是12呀。 
> 谢谢你的工作。我设法重现您的实现，但在将其适应数据集时遇到问题：https://www.cityscapes-dataset.com/ 您是否建议将实现调整到此数据集？ me too
> 我通过复制您的预处理测试了这种方法，但是 通过 SAM 团队建议的设置进行规范化。结果 非常糟糕。您还有其他修改建议吗？谢谢 再 勒萨姆。17 juin 2023， 15：22， 张开东 ***@***.***> 埃克里特 ： > [...](#) > Hello, thanks for your interest in our work. Since medical images only...