关于基线CenterNet ResNet-18的官方mAP与这项工作中的mAP不一致
Closed this issue · 5 comments
您好,我注意到这篇工作非常有意义,
但有一个问题,mmdet官方的CenterNet ResNet-18 的mAP是25.9,参加这里https://github.com/open-mmlab/mmdetection/tree/main/configs/centernet,而这篇工作给出的是14.5,我对比了两者的配置文件,发现同样都是512大小的图像,这中间做出了修改?
即便不使用这个超分模块,官方基线的25.9也超过CenterNet-SwinTiny-AERIS (Stage2)的21.6。
您好,十分谢谢您的关注,这个14.5的结果是在degradation的COCO数据集结果,并非原本COCO数据集的结果。
十分感谢您的回复,这对我理解该项工作很有意义。我明白了这个是在coco-d的数据集上的试验结果,我想问该方法是仅能用来处理degradation的数据吗?在普通的COCO数据集上能不能提高基线模型的性能?或者仅考虑分辨率的变化。
我在论文和issue中没有找到-d数据集的制作方法,从论文中看-d数据集不仅仅是降低分辨率,而且还加了各种模糊。
但我认为如果是超分辨的话,应该仅考虑分辨率的变化。加各种模糊的话属于图像增强或者恢复,训练过程中,给出了这些噪声图像的无噪声图像作为超分分支的标签,但实际情况下,图像的无噪声数据(用来重建的标签图像)很难获取。
在普通的COCO上面,如果是CenterNet这种最终feature map分辨率较高的模型,也可以提升检测性能。
COCO-d和单独degradation数据的制作生成代码会在近期开源,主要是之前的代码整理起来比较麻烦,我近期开源一下这部分代码,因为COCO-d的生成有随机性,所以COCO-d会是唯一的数据集,但是单独加分辨率,噪声这些可以生成固定数据集。
https://github.com/cuiziteng/ECCV_AERIS/blob/master/data_gen.py
,上传了模糊/噪声/分辨率的生成代码~
非常感谢!