KaihuaTang / Long-Tailed-Recognition.pytorch

第一次在cos_forward函数里，if self.KEEP_FG会做一次softmax

Long-Tailed-Recognition.pytorch/lvis1.0/mmdet/models/roi_heads/bbox_heads/convfc_bbox_head.py

Line 241 in 90c8b2c

y = final_score

第二次在基类bbox_head的get_bboxes函数里

Long-Tailed-Recognition.pytorch/lvis1.0/mmdet/models/roi_heads/bbox_heads/bbox_head.py

Line 197 in 90c8b2c

scores = F.softmax(cls_score, dim=1) if cls_score is not None else None

请问是我理解错了还是就是这样设计的哇？

另外在get_target函数里，背景被设为最后一类，但是在update_embed时，过滤的条件是gt_label > 0

Long-Tailed-Recognition.pytorch/lvis1.0/mmdet/models/roi_heads/bbox_heads/bbox_head.py

Line 92 in 90c8b2c

labels = pos_bboxes.new_full((num_samples, ),

请问这是为啥？

另外在get_target函数里，背景被设为最后一类，但是在update_embed时，过滤的条件是gt_label > 0

Long-Tailed-Recognition.pytorch/lvis1.0/mmdet/models/roi_heads/bbox_heads/bbox_head.py

Line 92 in 90c8b2c

labels = pos_bboxes.new_full((num_samples, ),

请问这是为啥？

这里是个Bug，因为我早期投稿的时候LVIS V0.5是在mmdet V1.1上实现的，V1.1里background是第0类。后来文章中了之后发现新出了个LVIS V1.0和mmdet V2.4, 然后我就移植了下，mmdet V2.4里背景被设为最后一类。所以这里update_embed是有bug的，改了之后LVIS V1.0上应该还会有提升。。。

对的，是两个softmax，不过这部分代码只在test时候跑（Line 216： if (not self.training) and self.CAUSAL_INFER:）所以并不会改变预测的类别。而训练的时候只有一个softmax。之所以这里要多一个是因为这里不能让TDE改变background/foreground的概率。所以要先Freeze Background的probability

多谢回答 @KaihuaTang ，关于做两次softmax我还有个问题，如果做两次softmax会导致正样本的score特别低吧？例如有10个类，其中第5类的logit=10，其他的logit=-10，做2次softmax后，第五类的score就只有0.2320，会由于score太低（<0.3）被直接忽略吗？如果是这样那mAP会不会很低呢

这个threshold的问题我倒没想到。确实有可能。

…

Sent from my iPhone

On 29 Dec 2020, at 4:54 PM, TangJiajieseu ***@***.***> wrote: 多谢回答 @KaihuaTang ，关于做两次softmax我还有个问题，如果做两次softmax会导致正样本的score特别低吧？例如有10个类，其中第5类的logit=10，其他的logit=-10，做2次softmax后，第五类的score就只有0.2320，会由于score太低（<0.3）被直接忽略吗？如果是这样那mAP会不会很低呢 — You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or unsubscribe.

ok，多谢！！

请问detection中rcnn head的cls是不是做了2次softmax操作？