loveSnowBest

Hi, Thanks for your attention. Currently, we have no plans for supporting WiderFace, since the codebase for WiderFace is mainly based on TinaFace, which is different from the current one....

我跑了他的代码 我的loss也有震荡的 因为他是每个GPU上的loss都print了一下 最后结果和readme差不多 或许跟你的batch size有什么关系？它最后的lr我记得是根据bs和卡数来算的 你看下能不能最后对上0.02的lr ps 一直想问下作者，该实现和mmdet上faster rcnn的实现除了以下几点还有别的区别吗： - RPN是all level NMS - RPN的anchor不考虑ignore region - RCNN的roi考虑ignore region 感觉42.4的MR好高啊 一直跑不出来...orz

> > 我跑了他的代码 我的loss也有震荡的 因为他是每个GPU上的loss都print了一下 最后结果和readme差不多 或许跟你的batch size有什么关系？它最后的lr我记得是根据bs和卡数来算的 你看下能不能最后对上0.02的lr > > ps 一直想问下作者，该实现和mmdet上faster rcnn的实现除了以下几点还有别的区别吗： > > > > * RPN是all level NMS > > * RPN的anchor不考虑ignore region > > *...

> > 我跑了他的代码 我的loss也有震荡的 因为他是每个GPU上的loss都print了一下 最后结果和readme差不多 或许跟你的batch size有什么关系？它最后的lr我记得是根据bs和卡数来算的 你看下能不能最后对上0.02的lr > > ps 一直想问下作者，该实现和mmdet上faster rcnn的实现除了以下几点还有别的区别吗： > > > > * RPN是all level NMS > > * RPN的anchor不考虑ignore region > > *...

@hanyanLWD 第一点只需要改config就可以了 https://github.com/open-mmlab/mmdetection/blob/11b1ef830aa7c8c054d8b5346fe0966e643d473c/configs/_base_/models/faster_rcnn_r50_fpn.py#L75 把nms_across_levels改成True 第二点的话不用管的 只要把不ignore的gt拿去算label就可以了

@hanyanLWD 如果很差的话应该是哪里写错了 我在simpledet上复现了一下emd 虽然baseline没达到这个repo上的点 但是最后加上emd涨点的幅度跟这篇差不多= =

额 那得看mmdet是怎么计算cls和reg loss的 你可以写一个demo调用一下它的cls 和 reg loss看看你这个label是不是不算[0,0,0,0,-1]的loss了

Could you please simply describe your strategy so I can give it a try on my own? Thanks!

@Purkialo Another question, for refine module, did you repeat the bbox data 4 times for coco or simply one time, since in crowdhuman dataset, you repeated it 4 times which...

Here is my guess: the original feature dim is 1024 and if we only append coordinates to the roi feature, only 4 + 1 dim vector will be appended, which...