去噪任务的影响
huichen98 opened this issue · 6 comments
huichen98 commented
noise on the box
if self.dn_bbox_noise_scale > 0:
wlh = known_bbox_expand[..., 3:6].clone()
rand_prob = torch.rand_like(known_bbox_expand) * 2 - 1.0
known_bbox_expand[..., 0:3] += torch.mul(rand_prob[..., 0:3], wlh / 2) * self.dn_bbox_noise_scale
# known_bbox_expand[..., 3:6] += torch.mul(rand_prob[..., 3:6], wlh) * self.dn_bbox_noise_scale
# known_bbox_expand[..., 6:7] += torch.mul(rand_prob[..., 6:7], 3.14159) * self.dn_bbox_noise_scale
作者你好,我试了一下打开后面两行代码,在自己数据集上似乎没有带来指标上的优化,想知道去噪任务对sparsebev来说作用有多大?
感谢
afterthat97 commented
就中心点的dn比较有用,scale和orientation的都不涨点
huichen98 commented
感谢答复,我们还发现在角度预测上 sparsebev 要优于bevformer,bevformer采样点虽然很密集,但由于是固定点,似乎收益不大
afterthat97 commented
是的,灵活一点比较好
Liiiiiiiu commented
query denoising 要应用到bevformer中的话,效果会怎样,准备试一下,所以请教一下您是否建议这样做呢~
afterthat97 commented
@Liiiiiiiu 这有啥好建议的,你想试试就试试呗,再说这应该去问bevformer作者
Liiiiiiiu commented
行,感谢~