关于MCIBI++代码的context_within_image_cfg的is_on设置为false about sssegmentation HOT 7 CLOSED

Could you provide the detailed config and running command?

from sssegmentation.

您好，我想复现的是基于backbone是resnet50条件下，mcibi++在Cityscapes数据集上的结果，在配置文件为configs/base_config.py中第84行将context_within_image的is_on设置为false，并且在configs/memorynetv2/memorynetv2_resnet50os8_cityscapes.py中也没有配置is_on为True,但我发现其他的配置文件中将is_on重新设置为True,可以帮我解答一下嘛

from sssegmentation.

您好，我还有个问题，我没有找到FCN+MCIBI++的配置文件，好像只有ASPP,PPM,UPERNET+MCIBI++的配置文件

from sssegmentation.

https://github.com/SegmentationBLWX/sssegmentation/tree/main/docs/performances/memorynetv2 table里都有对应的config路径

from sssegmentation.

您好，我想复现的是基于backbone是resnet50条件下，mcibi++在Cityscapes数据集上的结果，在配置文件为configs/base_config.py中第84行将context_within_image的is_on设置为false，并且在configs/memorynetv2/memorynetv2_resnet50os8_cityscapes.py中也没有配置is_on为True,但我发现其他的配置文件中将is_on重新设置为True,可以帮我解答一下嘛

你运行命令是？

from sssegmentation.

不好意思，之前我看错了，我还有个问题，就是你代码的modules/models/segmentors/memorynet/memory.py中的第214行代码，这个relation和argmax对应的变量是什么意思呀，可以为我解答一下嘛，谢谢您。
assert strategy in ['cosine_similarity'] # ----(K, C) * (C, num_feats_per_cls) --> (K, num_feats_per_cls) relation = torch.matmul( F.normalize(feats_cls, p=2, dim=1), F.normalize(self.memory[clsid].data.permute(1, 0).contiguous(), p=2, dim=0), ) argmax = relation.argmax(dim=1)# 返回最大值的索引 # ----for saving memory during training for idx in range(self.num_feats_per_cls): mask = (argmax == idx) feats_cls_iter = feats_cls[mask] memory_cls_iter = self.memory[clsid].data[idx].unsqueeze(0).expand_as(feats_cls_iter) similarity = F.cosine_similarity(feats_cls_iter, memory_cls_iter) weight = (1 - similarity) / (1 - similarity).sum() feats_cls_iter = (feats_cls_iter * weight.unsqueeze(-1)).sum(0) self.memory[clsid].data[idx].copy_(self.memory[clsid].data[idx] * (1 - momentum) + feats_cls_iter * momentum)

from sssegmentation.

您好，感谢你卓越的贡献，我想请问关于MCIBI++代码的context_within_image_cfg的is_on设置为false，跟论文里面的不一致，请问可以帮我解答一下嘛，谢谢

您好，我也在学习MCIBI++，但是我之前并未使用过sssegmentation，在工具箱运行方面遇到了一些问题，想跟您请教一下，也方便之后一起探讨和进步，如果您有时间的话，可以加一下我的微信：ankeas，万分感谢！！！！！我目前在北京理工大学学习

from sssegmentation.