CXH_NJUST

I have the same question?Did anyone fix it?

您好， 非常感谢您的回复！ 我们去除了val文件中的一部分（每个split去除了150张左右），因为我们发现在evaluation的过程中，如果使用原始的coco_split文件下val的txt文件，程序会报错，报错信息如下： ``` File "/home/shengmengmeng/BAM/util/dataset.py", line 234, in __getitem__ assert len(label_class) > 0 AssertionError ``` 我们试着去dataset.py文件里找问题，在dataset.py文件220行-234行中： ``` label_class = np.unique(label).tolist() if 0 in label_class: label_class.remove(0) if 255 in label_class:...

您好！ 我们重新下载了COCO2014验证集图片与标注的json文件，并使用您上面提供的代码将json文件转化为PNG的格式，并尝试用您提供的BAM模型进行在验证集上进行测试。结果split0的结果只有39.1，其他三个split的结果都和论文结果非常接近（但不是完全相同），这非常令我们困惑。 是不是在将标注json文件转化为PNG，和加载标注PNG图片时出现了不对应的情况？ 很感谢您的耐心解答！！

您好！ 我们注意到在test.py文件中，代码设置了随机种子、采样的次数以及每次采样的数量，每次采样都会从对应的list文件下面选取相应数量的图片进行测试： ``` val_manual_seed = 123 val_num = 5 elif args.data_set == 'coco': test_num = 1000 split_gap = 20 ``` 想请问一下为什么要进行这样的测试，可不可以对所有对应验证集图片进行测试？

您好！ 我们使用HSNet提供的[[val2014.zip](https://drive.google.com/file/d/1PNw4U3T2MhzAEBWGGgceXvYU3cZ7mJL1/view?usp=sharing)]PNG格式的文件，得到了和论文一致的结果。但使用该数据得到的BAM split0结果和之前一样，我觉得是annotation中标注不对应造成的。 我们也测试了最新的[MSANet](https://github.com/AIVResearch/MSANet)的模型，该模型也使用了BAM中的Base learner框架，结果出现了和BAM相同的问题：split0异常，其他split正常。 不知道您是否可以提供一下val2014的annotation文件吗？麻烦您了，万分感谢！

> > 您好！ > > 我们使用HSNet提供的[[val2014.zip](https://drive.google.com/file/d/1PNw4U3T2MhzAEBWGGgceXvYU3cZ7mJL1/view?usp=sharing)]PNG格式的文件，得到了和论文一致的结果。但使用该数据得到的BAM split0结果和之前一样，我觉得是annotation中标注不对应造成的。 > > 我们也测试了最新的[MSANet](https://github.com/AIVResearch/MSANet)的模型，该模型也使用了BAM中的Base learner框架，结果出现了和BAM相同的问题：split0异常，其他split正常。 > > 不知道您是否可以提供一下val2014的annotation文件吗？麻烦您了，万分感谢！ > > 我也遇到了相同的问题，在split0上的结果有问题，是39点几，请问您最后解决了吗？ 还没有