Shuwei Ji
Shuwei Ji
请您描述更具体些，不是特别清楚您这里的问题
是的。和pytorch官方的 cross entropy一样使用即可。标签不需要one-hot
因为如果先 softmax 然后log，数值会出现不稳定的情况。 详见： https://github.com/yatengLG/Focal-Loss-Pytorch/issues/7
这个实现的损失函数中，俩部分来平衡类别。 1. α参数，用于直接给类别添加权重。 2. γ参数，用于调整难易检测样本的影响。
这个错报在哪儿了,我瞅瞅,这个模型只训练到一半就有事儿没再弄了,所以这个加载预训练好的模型这块儿没测.但是模型是肯定没问题的
方法刚填加了,但是我这个没提供训练好的最终模型. (只提供了base网络的权重预训练.) Retinanet-Pytorch/Demo_eval.py 中 net.load_pretrained_weight('XXX.pkl') XXX.pkl为你 训练好的最终模型.
更多问题欢迎issues ,或参考 https://github.com/yatengLG/SSD-Pytorch 来个项目是同样的结构. 这个项目是完整的提供了最终训练模型权重的.
1.最近没时间做后续的补充. 2.实现这个项目主要原因是使用focalloss损失,顺便实现的. 3.模型结构以及训练过程是没有任何问题的.短时间内不会补充预训练权重. 4.在实际的使用中,精度是有所提升的.但是没有想象中那么大(主要在之前就已经做了很大一部分的数据平衡的工作了) 5.本项目应该不会去复现论文. 6.本项目对深度学习有一些了解,并准备在自建数据集进行模型训练的研究项目会帮助比较大(项目结构有较好的移植性与灵活性);如果是单纯的论文复现,可能意义不是特别大(只是结构更加清晰了). 有其他问题欢迎issues.
真是不好意思说啊.刚在忙其他的. 我直接clone下来, 自己弄一下吧. 弄好通知你,应该很快的,你一会儿重clone就行.
已经改完了,你现在可以config里面设置好参数,然后直接跑 demo_train.py去训练, 训练过程保存的模型在 Weights/trained下, 然后你可以用 demo_det**.py 进行检测.