gmayday1997
When are you updating the complete source code?
I am very interested in your paper. I want to run your code to see the effect. If you can send me a complete project, it would be great. My email address is: [email protected]
@Amelia0911 hi, thanks for your interest in our work. full source code and pre-train model will be updated before 15.Nov.
I am glad to received your Email. Can you speak chinese？ I want to ask you a few question about your paper.
At 2018-11-07 14:59:41, "gmayday1997" [email protected] wrote:
@Amelia0911 hi, thanks for your interest in our work. full source code and pre-train model will be updated before 15.Nov.
— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.
训练过程中的输入分别是t0，t1和GT，下载的数据集中包含t1和GT，想问一下关于t0的输入方式、t0数据的组成、t0与t1是如何对应输入的？
在 2018-11-07 20:10:10，"gmayday1997" [email protected] 写道：
有相关问题，请讲。
— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.
• t0和t1是同一场景不同时刻的图像对(a pair of images/image-pair)，其作为原始输入喂到孪生卷积神经网络中。具体是下图中圈的部分
事实上，我们在文章的4.2.3提到过cdnet的数据组织方式
我们是从input里面选出一张最最接近背景的图片(无任何前景)作为t0,其余的作为t1.
这样做的好处是groundtruth不用做任何处理，可以直接作为change mask使用。
建议你去看看PCD数据集，那个结构比较清晰。 http://www.vision.is.tohoku.ac.jp/us/research/4d_city_modeling/pano_cd_dataset/
谢谢您的回复，我再好好看一下实验部分的内容，如果有什么问题还得请教。希望代码早一点更新，可以看一下效果。再次感谢。
在 2018-11-08 19:31:02，"gmayday1997" [email protected] 写道：
事实上，我们在文章的4.2.3提到过cdnet的数据组织方式
我们是从input里面选出一张最最接近背景的图片(无任何前景)作为t0,其余的作为t1. 这样做的好处是groundtruth不用做任何处理，可以直接作为change mask使用。 建议你去看看PCD数据集，那个结构比较清晰。 http://www.vision.is.tohoku.ac.jp/us/research/4d_city_modeling/pano_cd_dataset/
— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.
事实上，我们在文章的4.2.3提到过cdnet的数据组织方式
我们是从input里面选出一张最最接近背景的图片(无任何前景)作为t0,其余的作为t1. 这样做的好处是groundtruth不用做任何处理，可以直接作为change mask使用。 建议你去看看PCD数据集，那个结构比较清晰。 http://www.vision.is.tohoku.ac.jp/us/research/4d_city_modeling/pano_cd_dataset/
请问groundtruth输入是3通道还是1通道？
事实上，我们在文章的4.2.3提到过cdnet的数据组织方式
请问groundtruth输入是3通道还是1通道？
hi, 我们已经把cd2014的数据集分享到百度云，又需要请下载 https://pan.baidu.com/s/19ReVH6pmizcU79sk2Rsz5w。
你好，我之前用date2014里的数据进行训练和测试效果都挺好的，但是我现在的输入图像尺寸是413*134，结果验证保存的图像显示fc与embedding都没有输出了。这是为什么呢？我试着修改了网络中conv3中的stride值，将值变为1，也是没有效果。我应该如何调整训练参数呢？
你好，我之前用date2014里的数据进行训练和测试效果都挺好的，但是我现在的输入图像尺寸是413*134，结果验证保存的图像显示fc与embedding都没有输出了。这是为什么呢？我试着修改了网络中conv3中的stride值，将值变为1，也是没有效果。我应该如何调整训练参数呢？
应该不是分辨率的问题，可能是你数据量少吧。如果是的话，做 data augmentation. 如果不是，看loss下降情况，先调整初始学习率。
最开始我用的是dataset2014中的PTZ中的twoPositionPTZCam，共460张，从验证的10张图片来看，训练效果还不错。用自己的图片训练,loss值最开始1～2epoch降，后面就没有明显的下降，将学习率调小也没有变化。
这是PTZ的效果。
这是我的图的conv5的效果：
如果我没理解错的话，只有conv5有输出，最后两个没有输出内容。最开始浅层特征有多层监督信息，深层收敛慢于浅层，所以conv5最容易收敛。但深层特征经过几个epoch也会收敛。 你观察一下，深层的loss是不是一直不降？ 试一试调整不同层loss的权重，看有没有效果。
修改了学习率和系数之后明显好多了，目前就是loss收敛过程中呈上下跳动，且幅度挺大的，不过绘制了曲线发现走势是好的，现在已经把学习率调小并且把batch_size设为4，loss看起来正常多了。阿里嘎多！
@Amelia0911 你好，我同样用twoPositionPTZCam中的700多张图像做训练，源码基本没改动，但是模型好像没有学习的趋势，changemaps都是一片蓝，loss也没有下降的趋势，请问你对代码有做什么改动吗，label是用gtbinary吗 Edit: 自己改了改模型和超参数，可以训练了
When I use the t dataset, I get the following error, how do you do it? thank you ! NotImplementedError: Got 5D input, but bilinear mode needs 4D input Position in "utils line 227" I want to know the format of your trainval.txt,may be i am wrong
@Amelia0911 你好，我同样用twoPositionPTZCam中的700多张图像做训练，源码基本没改动，但是模型好像没有学习的趋势，changemaps都是一片蓝，loss也没有下降的趋势，请问你对代码有做什么改动吗，label是用gtbinary吗
Hello, I also want to try to feed the neural network with hundreds of images from CD2014, but it seems that there is a problem with the format of train.txt, even though I just deleted some of the contents of train.txt, but tried many times. There will be problems, but the original train.txt can be used, I would like to ask how you do it, if you can share your data screenshots and txt documents, thank you. My email: [email protected]
@gmayday1997 你好，非常感謝你的工作，我在執行該code時運行非常慢，請問你在訓練的時候一個epoch要多久呢，我執行python train.py,一個小時都沒有跑完一個epoch，如下圖：
我的電腦配置如下：
請問程序執行很慢，是什麼原因呢，謝謝。
@gmayday1997 我將程序
if (batch_idx) % 1000 == 0: model.eval() current_metric = validate(model, val_loader, epoch,save_change_map_dir,save_roc_dir)
改爲
if (batch_idx + 1) % 1000 == 0: model.eval() current_metric = validate(model, val_loader, epoch,save_change_map_dir,save_roc_dir)
這樣在batch_idx=0時就不執行eval，
我發現在執行current_metric = validate(model, val_loader, epoch,save_change_map_dir,save_roc_dir)時非常慢，請問這樣正常嗎?Tanks.
@Amelia0911 @raytrun @XinZhangNLPR @stillwaterman 請問你們在訓練的時候是不是也非常的慢，你們有什麼解決方法嗎？另外可以分享一下cdnet2014訓練的model麼。謝謝，
我在使用cdnet2014訓練model，現在訓練的速度非常慢，而且還有如下error，
Epoch [0/27990] Loss: 2006.7865 Mask_Loss_conv5: 177.4561 Mask_Loss_fc: 1743.4923 Mask_Loss_embedding: 85.8382 Exception RuntimeError: RuntimeError('main thread is not in main loop',) in <bound method PhotoImage.__del__ of <Tkinter.PhotoImage instance at 0x7f78b8226950>> ignored Tcl_AsyncDelete: async handler deleted by the wrong thread Aborted (core dumped)
請問你們有沒有遇到呢，謝謝。
修改了学习率和系数之后明显好多了，目前就是loss收敛过程中呈上下跳动，且幅度挺大的，不过绘制了曲线发现走势是好的，现在已经把学习率调小并且把batch_size设为4，loss看起来正常多了。阿里嘎多！
@Amelia0911 I have been using google translate to read this page as I am having issues training. I was wondering if you could list what changes to the code you made so that I could try them? I plan on using google translate to translate this message, but I wanted to leave the English version in case there are problems with the translation.
Google Translate: 我一直在使用谷歌翻译阅读此页面，因为我有问题培训。 我想知道你是否可以列出你所做代码的哪些更改，以便我可以尝试一下？ 我计划使用谷歌翻译来翻译此消息，但我想保留英文版以防翻译出现问题。
When I use the t dataset, I get the following error, how do you do it? thank you ! NotImplementedError: Got 5D input, but bilinear mode needs 4D input Position in "utils line 227" I want to know the format of your trainval.txt,may be i am wrong @xiaoyige99 我遇到了同样的问题。你解决掉了吗
