Trainning in other datasets and deploy about ege-unet HOT 13 OPEN

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

训练集的方差和均值，他是统计了他的训练数据的RGB三个通道的均值和方差，测试集的均值和方差也是如此，但是我对这种做法有点异议，因为实际场景的测试数据一般不会离线全部获取到从而进行统计，所以一般还是和训练集的方差、均值保持一致才比较合理，当然，如果实际场景可以运行一次性测试训练数据后进行推理，这种做法我认为问题也不大

from ege-unet.

请问有计算训练集的方差和均值的代码嘛？想要在数据集上试一下这个网络的效果

请问您有计算训练集的方差和均值的代码嘛？想要在其他数据集上试一下这个网络的效果

直接用opencv计算图片的均值和方差，然后求平均值写到代码里就行了

from ege-unet.

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

from ege-unet.

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

训练集的均值和均值，他是统计了他训练数据的RGB三个通道的均值和均值，测试集的均值和均值也是如此，但是我对这种做法有点异议因为，实际场景的测试数据一般不会离线全部获取到从而进行统计，所以一般还是和训练集的方差、均值保持一致才比较合理，当然，如果实际场景可以连续一次性测试训练数据后进行推理，这种做法我认为也不是问题大

哦这样子~，谢谢解释，学到了

from ege-unet.

这个模型和u2netp相比是仅有轻微的精度损失吗？我在自己的数据集上进行测试，miou下降6个点左右，u2netp=0.91 ege=0.85

from ege-unet.

这个模型和u2netp相比是仅有轻微的精度损失吗？我在自己的数据集上进行测试，miou下降6个点左右，u2netp=0.91 ege=0.85

个人感觉精度确实会降不少，但是这个网络主要还是在于轻量级和性能吧，u2netp的内存消耗和推理耗时都大很多

from ege-unet.

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

训练集的方差和均值，他是统计了他的训练数据的RGB三个通道的均值和方差，测试集的均值和方差也是如此，但是我对这种做法有点异议，因为实际场景的测试数据一般不会离线全部获取到从而进行统计，所以一般还是和训练集的方差、均值保持一致才比较合理，当然，如果实际场景可以运行一次性测试训练数据后进行推理，这种做法我认为问题也不大

训练集的方差和均值

请问有计算训练集的方差和均值的代码嘛？想要在数据集上试一下这个网络的效果

from ege-unet.

请问有计算训练集的方差和均值的代码嘛？想要在数据集上试一下这个网络的效果

请问您有计算训练集的方差和均值的代码嘛？想要在其他数据集上试一下这个网络的效果

from ege-unet.

请问有推理的代码吗？可以分享一下吗

from ege-unet.

请问有计算训练集的折射率和均值的代码嘛？想要在数据集上试一下这个网络的效果

请问您有计算训练集的方差和均值的代码嘛？想在其他数据集上试一下这个网络的效果

直接用opencv计算图片的均值和亮度，然后求工具写入到代码里就行了

请问有推理的代码吗？可以分享一下吗

from ege-unet.

这个模型和u2netp相比是有点一点点的精度损失吗？我在自己的数据集上进行测试，miou下降6个点左右，u2netp=0.91 ege=0.85

请问有推理的代码吗？可以分享一下吗

from ege-unet.

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

训练集的均值和均值，他是统计了他训练数据的RGB三个通道的均值和均值，测试集的均值和均值也是如此，但是我对这种做法有点异议，实际场景的测试数据一般不会离线全部获取到如此进行统计，所以一般还是和训练集的方差、均值保持一致才比较合理，当然，如果实际场景可以连续批量测试训练数据后进行推理，这种做法我认为也不是问题大

哦这样子~，谢谢解释，学到了

请问有推理的代码吗？可以分享一下吗

from ege-unet.

请问关于utils.py中的myNormalize是如何调教，针对不同的数据集，还是直接使用代码相同参数

训练集的均值和均值，他是统计了他训练数据的RGB三个通道的均值和均值，测试集的均值和均值也是如此，但是我对这种做法有点异议，实际场景的测试数据一般不会离线全部获取到如此进行统计，所以一般还是和训练集的方差、均值保持一致才比较合理，当然，如果实际场景可以连续批量测试训练数据后进行推理，这种做法我认为也不是问题大

哦这样子~，谢谢解释，学到了

请问有推理的代码吗？可以分享一下吗

我写了一个，推理出来全黑

from ege-unet.