zengem
zengem
@shicai 你好 网络有实验过检测任务吗 效果会怎样？
@gittigxuy NO 做过自己的数据的分类实验，参数没调试好，效果不理想。你那边可有检测？
@gittigxuy 就是caffe的代码训练的cifar10 没有什么其他的代码
同样出现这个问题。 thresh 太小。输出Bndbox objs: 3061 这么多个目标，肯定是有问题的。thresh重新设置可以。
0.6 你就发现很快了。 但是可视化出来之后，我发现错的比较多。和openpcdet工程pytorch版本输出的结果差距很大。
> > 0.6 你就发现很快了。 但是可视化出来之后，我发现错的比较多。和openpcdet工程pytorch版本输出的结果差距很大。 > > 谢谢，我试了一下，是这样的！ 有什么思路吗？卡在这有些许时间了。
> @OPPOA113 have you checked the old version([db037d2](https://github.com/NVIDIA-AI-IOT/CUDA-PointPillars/commit/db037d24949763a6dcfaaa40e6a6b74849034e9f)), does it also differs from openpcdet? 没有在以前版本试过。
> I have tried this model on some robosense pointcloud, the result is weird. Maybe I should try to work on openpcdet(: openpcdet结果是正常的。 但是cuda-pointpillar下可视化就是异常的。而且，thresh设置小于0.6，predict bndbox就达到几万。so应该是模型或者逻辑有问题的。
> @OPPOA113 I wonder whether the developer ever tested it and compared with openpcdet. @byte-deve 哈哈，坐等大佬回复。。
> @OPPOA113 I wonder whether the developer ever tested it and compared with openpcdet. 又搞了半天，还是没发现是哪里的问题。 显示出来的效果是这样的  同样的模型在openpcdet中显示是正常的。。 @byte-deve 有什么建议吗