使用你分享的权重提交预测结果不是0.98，而是0.27，这是怎么回事？ about rebar_detection HOT 12 OPEN

因为是你没有改动我的代码的缘故 最后代码demo部分是soft-nms 效果很差 你把它改过来nms的方式应该会好很多 另外你测试的时候阈值也多测试一下 这个权重文件线上可以至少达到0.97左右

from rebar_detection.

好的，确实是这样，改过来就正常了

from rebar_detection.

恩恩

from rebar_detection.

还有一个问题，一般训练多少个epoch比较合适呢，我看yunyang代码是50代，你是300代，我按照300代训练，30代之后loss都是nan，对于这点我有点迷惑，还望解答我的困惑。

from rebar_detection.

这个要看效果 我一般是先训练一些小epoch 看看loss能不能降 然后用生成的权重文件测试一下看看效果 后面的话我就会直接训练长epoch 看看更大的epoch loss是不是能降低 如果已经用很大的epoch loss还是差不多那就是数据或者别的什么问题 已经降不下去了 nan的原因有挺多的 在这份代码里面最主要的有两个原因 第一个是我们是多尺度训练 很容易就nan 你可以把尺寸的范围减少几个 甚至先用单一尺度训练 看看是不是多尺度的问题 第二个是我们的数据可能经过augument之后 有些gt box的w h变成0 导致我们的除数变成了0 你在那几处加个tf.maximum（union_area，1e-12)就可以 当然原repo也说了一般会出现几代nan 后面就会变回正常 这个我自己也是有出现 过多几个epoch就正常了

from rebar_detection.

好的，我去试试，谢谢你的解答。

from rebar_detection.

你好，

我使用你分享的权重在200张测试集上预测结果并提交比赛网站后，得分是0.27左右，我想了一下午也没有找到哪里出问题了，所以向你请教下这是什么原因？
请问你是如何生成比赛所要求提交的csv文件的？

from rebar_detection.

0.27的原因在前面说了 把默认的soft-nms注释掉 用普通的nms即可

from rebar_detection.

0.27的原因在前面说了 把默认的soft-nms注释掉 用普通的nms即可
哦哦，那请问如何生成提交的csv文件？

from rebar_detection.

我看了一下没找到生成提交的csv文件的代码？

from rebar_detection.

提交代码在tool/commit.py，readme没说清楚抱歉哈

from rebar_detection.

谢谢！太客气啦

from rebar_detection.