guanyonglai
guanyonglai
我得也是，loss一直在0.7左右了，准确率50%，跟没有学一样
多谢，另外想问下生成好的market1501的数据集DG-Market.zip，总共752个文件夹，一个文件夹里的图片表示是一个ID吗？通过这10w+图片不加market1501原数据进行训练就能达到文中所述精度吗？
对，是751个文件夹，还有一个是文件。总共 128281 张图片
请教作者一个问题，不知道你用没用过MGN，为什么当训练ID数超过10000的时候loss收敛速度变得特别慢，而且最终map还不如5000ID训的结果，请问这种情况怎么调参呢？我的参数配置是 `epoch:600 lr: 2e-4, 280和450step时下降10倍 optimizer: Adam loss: entropy + hard triplet batch: 96 (24 ID * 4 imgs) sample: 每个ID随机抽4张图片组成一个epoch GPU: 2块12G的1080Ti`
test code need be modified, only should alpha image, but the result also not good
OK，give your email
> 打扰你了，我想请问一下，你所有的照片都跑完了吗？你有没有原图和三分图？训练的时候用GPU的吗？ image，mask，trimap，alpha四种图片都有，alpha快跑完了，用了GPU的；关于三分图我感觉有点问题，作者后面对三分图除以127了，这样背景是0前景是2，边缘是1，学的时候是不是就只能学到边缘的1了，所以我后来改成除以255了，
It works just fine for me x = self.res50.layer1(x)# [batch, 256, 96, 32] x = self.nonLocal_1(x) x = self.res50.layer2(x) x = self.nonLocal_2(x) x = self.res50.layer3[0](x) x = self.nonLocal_3(x)
为啥我测的结果是 mAP: 0.7810 rank1: 0.9118，你的代码后来被修改了吗，怎么打不到文中说的95.8呢
我就换了个dataset函数，用你自带的我这里出了点问题，这个应该是没有影响的啊