Liu JiaHao

> 作者你好， 如[这里](https://github.com/bupt-ai-cz/LLVIP/issues/11#issuecomment-1107468704)所述，LLVIP数据集自发表以后被更新了一次，更新后的LLVIP数据集的行人检测精度也提高了，即：  从图中可以看出，更新后的LLVIP仅在infrared模态上的检测结果（0.67）就优于您论文中的结果（0.636）：  考虑到LLVIP被更新过一次，于是我将您的代码在新的LLVIP上重新训练了一次，batch_size=8x4gpus, image_size=1024. cfg is [here](https://github.com/DocF/multispectral-object-detection/blob/387dc3eaa25cd6e894bb67d4c46df89b518e60d2/models/transformer/yolov5l_fusion_transformerx3_llvip.yaml), hyp is [here](https://github.com/DocF/multispectral-object-detection/blob/387dc3eaa25cd6e894bb67d4c46df89b518e60d2/data/hyp.scratch.yaml). 我训练的结果为0.656，远低于LLVIP中仅使用infrared的结果。  为了实验的公平性，我已确认您的代码和LLVIP开源的代码都是YOLOv5 (version5.0)。请看LLVIP作者的[回复](https://github.com/bupt-ai-cz/LLVIP/issues/11#issuecomment-1318706384)，以及您之前的[回复](https://github.com/DocF/multispectral-object-detection/issues/24#issuecomment-1088360685). > > 以上实验结果令我非常困惑，请问您是否能提供在新的LLVIP数据集上的CFT的mAP呢？这对后来者与您的方法做公平对比非常重要 > > 期待您的回复 请问您能否提供一下您使用的更新过后的llvip的数据集，云盘链接那种

> > 作者提供了数据集的划分，你这个bicycle的map太高了 > > 你好，请问这个数据集的划分作者在哪里提供了呀，我没有找到 请问你找到了吗？我想跑这个数据集