使用提供的 centernet_resnet50_voc.pth 无法得到 77% mAP about centernet-pytorch HOT 18 OPEN

nms = True

from centernet-pytorch.

nms = True

谢谢回复， 代码没有修改过，centernet.py里的nms确实是True，模型也是链接的‘centernet_resnet50_voc.pth’。

from centernet-pytorch.

那太奇怪了，我再试一下，我并没有修改过，你的测试集确认正确吗

from centernet-pytorch.

那太奇怪了，我再试一下，我并没有修改过，你的测试集确认正确吗

测试集是VOC2007 test,并且全部用于测试，总共是4952个文件。运行你的yolov4-mobilenet，可以得到readme里的mAP。

from centernet-pytorch.

yolov4-mobilenet？这个不是centernet的库吗
yolov4-mobilenet默认是mobilenet0.25本就这么低啊。人家参数就几十万。。

from centernet-pytorch.

你问的是keras版本么

from centernet-pytorch.

yolov4-mobilenet？这个不是centernet的库吗
yolov4-mobilenet默认是mobilenet0.25本就这么低啊。人家参数就几十万。。

我的意思是用的相同的测试集在yolov4-mobilenet项目上能得到相应readme的结果，说明测试集是没问题的。

这个centernet项目里只能得到0.67 mAP，readme里的是0.77.

都是pytorch版本

from centernet-pytorch.

ok，我试试。

from centernet-pytorch.

我试了一下，还是77%
关闭nms是62%，是不是版本不同会影响性能啊。我不太懂。。。

from centernet-pytorch.

我试了一下，还是77%
关闭nms是62%，是不是版本不同会影响性能啊。我不太懂。。。

刚找了旧的GPU，试了下pytorch 1.60, 1.2.0，还有30系显卡上的1.70，都是一样0.67（nms为false 是0.44）的结果。。。请问你是把VOC2007_test里的所有sample都用于测试吗，总共4952个sample。(voc2centernet.py里trainval_percent=0, train_percent=1生成的)

`72.91% = aeroplane AP || score_threhold=0.5 : F1=0.63 ; Recall=46.67% ; Precision=96.38%

75.09% = bicycle AP || score_threhold=0.5 : F1=0.60 ; Recall=43.62% ; Precision=97.35%

63.98% = bird AP || score_threhold=0.5 : F1=0.59 ; Recall=44.23% ; Precision=87.12%

57.96% = boat AP || score_threhold=0.5 : F1=0.46 ; Recall=30.80% ; Precision=90.00%

48.31% = bottle AP || score_threhold=0.5 : F1=0.37 ; Recall=23.03% ; Precision=90.76%

76.97% = bus AP || score_threhold=0.5 : F1=0.70 ; Recall=56.34% ; Precision=90.91%

81.13% = car AP || score_threhold=0.5 : F1=0.66 ; Recall=50.12% ; Precision=97.25%

77.69% = cat AP || score_threhold=0.5 : F1=0.72 ; Recall=61.73% ; Precision=87.70%

49.49% = chair AP || score_threhold=0.5 : F1=0.26 ; Recall=15.08% ; Precision=91.94%

76.38% = cow AP || score_threhold=0.5 : F1=0.54 ; Recall=38.11% ; Precision=93.00%

61.19% = diningtable AP || score_threhold=0.5 : F1=0.38 ; Recall=23.79% ; Precision=90.74%

71.62% = dog AP || score_threhold=0.5 : F1=0.59 ; Recall=43.56% ; Precision=93.42%

82.00% = horse AP || score_threhold=0.5 : F1=0.70 ; Recall=55.17% ; Precision=96.48%

74.64% = motorbike AP || score_threhold=0.5 : F1=0.63 ; Recall=48.00% ; Precision=91.76%

76.86% = person AP || score_threhold=0.5 : F1=0.55 ; Recall=38.60% ; Precision=98.09%

30.12% = pottedplant AP || score_threhold=0.5 : F1=0.07 ; Recall=3.75% ; Precision=94.74%

70.23% = sheep AP || score_threhold=0.5 : F1=0.59 ; Recall=43.80% ; Precision=89.08%

63.93% = sofa AP || score_threhold=0.5 : F1=0.51 ; Recall=35.98% ; Precision=86.87%

78.31% = train AP || score_threhold=0.5 : F1=0.72 ; Recall=58.87% ; Precision=92.74%

70.03% = tvmonitor AP || score_threhold=0.5 : F1=0.54 ; Recall=37.66% ; Precision=96.67%

mAP = 67.94%`

from centernet-pytorch.

我赌五毛钱，是不是你的权值是老权值，你什么时候下载的。
我这里尝试了很多遍确实是77，或者你留个邮箱，我把我的库直接整个发给你。

from centernet-pytorch.

你百度网盘的权值和github的代码重下试试，以前的权值是用rgb图片训练的，后来的权值是用bgr图片训练的

from centernet-pytorch.

问题找到了，原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。😂

感谢一直耐心的回复，也很欣赏这种细致的风格。已经star了

from centernet-pytorch.

好的加油兄弟

from centernet-pytorch.

问题找到了，原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。

感谢一直耐心的回复，也很欣赏这种细致的风格。已经star了

你好，我能看一下你“原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。joy”
的错误代码吗？
邮箱：[email protected]
谢谢

from centernet-pytorch.

问题找到了，原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。
感谢一直耐心的回复，也很欣赏这种细致的风格。已经star了

你好，我能看一下你“原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。joy”
的错误代码吗？
邮箱：[email protected]
谢谢

并不会报错，部分weight无法的载入是我的推测，注释部分是载入官方resnet

def resnet50(pretrain = True):
    model = ResNet(Bottleneck, [3, 4, 6, 3])

    if pretrain:
        state_dict = load_state_dict_from_url(model_urls['resnet50'])
        model.load_state_dict(state_dict)

    features = list([model.conv1, model.bn1, model.relu, model.maxpool, model.layer1, model.layer2, model.layer3, model.layer4])
    features = nn.Sequential(*features)

    # official resnet50
    # from torchvision import models
    # model = models.resnet50(pretrained=pretrain)
    # features = nn.Sequential(*list(model.children())[: -2])

from centernet-pytorch.

问题找到了，原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。
感谢一直耐心的回复，也很欣赏这种细致的风格。已经star了

你好，我能看一下你“原来我把resnet50 的backbone换成了pytorch官方的，导致一部分layer的weight无法载入。joy”
的错误代码吗？
邮箱：[email protected]
谢谢

并不会报错，部分weight无法的载入是我的推测，注释部分是载入官方resnet

def resnet50(pretrain = True):
    model = ResNet(Bottleneck, [3, 4, 6, 3])

    if pretrain:
        state_dict = load_state_dict_from_url(model_urls['resnet50'])
        model.load_state_dict(state_dict)

    features = list([model.conv1, model.bn1, model.relu, model.maxpool, model.layer1, model.layer2, model.layer3, model.layer4])
    features = nn.Sequential(*features)

    # official resnet50
    # from torchvision import models
    # model = models.resnet50(pretrained=pretrain)
    # features = nn.Sequential(*list(model.children())[: -2])

好嘞

from centernet-pytorch.

0 0
NP

from centernet-pytorch.