Qidi Shu

您好！感谢您的关注~ 全监督训练需要将训练代码中的 '--labeled_ratio'参数设置为1.0，同时注释掉teacher model的训练部分，仅保留student model的监督训练部分。 这是以S2looking数据集为例的全监督训练代码 [train_sup_S2looking.py](https://github.com/SQD1/CutMixCD/blob/main/train_sup_S2looking.py)，供您参考~

Hi, friend! Thanks for your interest in this work. The bad_frames.json we used for training is uploaded [here](https://github.com/SQD1/RESTORE-DiT/blob/main/lib/datasets/bad_frames.json). You can place it to the root of PASTIS data when you...

您好！感谢您的关注。对于您的问题，我在label_ratio设置为0.1的情况下重新运行了train_LEVER.py，训练完成之后，将保存的最优模型通过inference_LEVER.py得到的精度评估如下：  结果与论文中汇报的精度(F1=0.887)基本吻合。 在LEVIR训练代码中，可将epoch_start_unsup默认设置为30，与原文中的设定保持一致。但是这个更改不会在精度上带来特别大的影响，应该不是出现您这种情况的原因。 在运行代码、设置相同的情况下，您可以检查一下是否是数据的问题。

最近一次重新实验用到的train_split文件已经发到您的邮件。