CenterNet-CondInst issues

instance_masks的大小每张图不一样，最后如何组batch的勒？

instance_masks = np.zeros((num_objs if num_objs > 0 else 1, output_h, output_w), dtype=np.float32) 这里instance_masks的大小是和objs数相关的，那一个batch中每张图可能不一样，这个在组batch的时候如何处理？

mmxuan18

Is the mean and variance of the coco dataset calculated?

``` class COCO(data.Dataset): num_classes = 80 default_resolution = [512, 512] mean = np.array([0.40789654, 0.44719302, 0.47026115], dtype=np.float32).reshape(1, 1, 3) std = np.array([0.28863828, 0.27408164, 0.27809835], dtype=np.float32).reshape(1, 1, 3) ``` https://github.com/CaoWGG/CenterNet-CondInst/blob/1755e1752301e08363472b5e45c90723111877e9/src/lib/datasets/dataset/coco.py/L13-L19

ShellyLingling

关于CenterNet后接segmentation的请教

1

非常感谢您分享的代码。由于我暂时还没有配置成功代码，所以只能干看代码，没法调试。有一个问题想请教一下，就是原始的CenterNet的输出有三个分支，分别是 heatmap (W\*H\*C)，offset (W\*H\*2)和size (W\*H\*2)，然后你这里加了一个seg_feat，这个分支是怎么加的，能介绍一下吗？能否告知是在代码的哪一处？这里的seg_feat它的size是什么样子的？怎么为每个中心点分配一个mask？难道与offset和size一样，预测一个 W\*H\*W\*H的seg_feat？此外，代码中关于dice loss的计算，我也不是很明白： ``` def forward(self, seg_feat, conv_weight, mask,ind, target): mask_loss=0. batch_size = seg_feat.size(0) weight = _tranpose_and_gather_feat(conv_weight, ind) h,w = seg_feat.size(-2),seg_feat.size(-1) x,y =...

NeuZhangQiang