所提供的代码和训练命令训练时是默认使用了DUTS class和COCO-SEG吗 about gconet_plus HOT 12 CLOSED

嗯, 是的.
用了DUTS_class+COCO-SEG两个数据集.
优化时是两个分别计算, loss叠加起来, 一次backward的.

from gconet_plus.

好的，了解了，感谢

from gconet_plus.

请问没有多GPU运行代码是吗？那个sub by id脚本是不是多次运行的，而不是多GPU一起训练的

from gconet_plus.

对的, 那个是之前在dgx服务器上, 把一个setting跑多次的, 并不是多卡哈.

from gconet_plus.

嗯, 是的. 用了DUTS_class+COCO-SEG两个数据集. 优化时是两个分别计算, loss叠加起来, 一次backward的.

您好，请问那为什么在论文中 Training Set的描述那里写的是"We follow the GICD [14] to use DUTS class
as our training set to design the experiments"，即只使用DUTS作为训练集呢？

from gconet_plus.

我们的所有的模块、实验设计都是仅使用DUTS_class的, 只是在得到所有的已经确定下来的一切(模型设计, 训练策略)后, 在最后使用了所有的已有training sets的组合训练了一下而已. 也就是说其实我们的一些超参的设置也并未针对DUTS_class+COCO-SEG, 而依然是DUTS_class.

from gconet_plus.

我们的所有的模块、实验设计都是仅使用DUTS_class的, 只是在得到所有的已经确定下来的一切(模型设计, 训练策略)后, 在最后使用了所有的已有training sets的组合训练了一下而已. 也就是说其实我们的一些超参的设置也并未针对DUTS_class+COCO-SEG, 而依然是DUTS_class.

感谢您的即时回复，也就是说即使我在代码中只使用DUTS_class进行训练，也可以达到论文中理想的效果对吗

from gconet_plus.

不同训练集的结果可见于此. 例如, 仅用DUTS_class训练就是仅用DUTS_class的performance (CoCA的Emax可达0.786). 还有问题欢迎继续留言哈.

from gconet_plus.

不同训练集的结果可见于此. 例如, 仅用DUTS_class训练就是仅用DUTS_class的performance (CoCA的Emax可达0.786). 还有问题欢迎继续留言哈.

好的，十分感谢您的回复

from gconet_plus.

你的cocoseg数据格式是怎么处理的，我记得cocoseg数据集还包括一个npy文件

from gconet_plus.

你的cocoseg数据格式是怎么处理的，我记得cocoseg数据集还包括一个npy文件

我印象里没有你所说的文件，好像是直接下载就能用的，你可能下错了？

from gconet_plus.

是的, 没有npy的吧, 我的google-drive上有, 你可以下一下看看.

from gconet_plus.