远处目标有较多重影，近处同向目标较为正常，应如何解决
Gaondong opened this issue · comments
你好，我使用streampetr训练了前视三个相机数据，发现存在远处目标学习不好，有重复检测的情况，当前可视化confidence 阈值为0.2，请问有什么方式可以解决吗，depth分布使用的LID，这是否会有影响
不需要更改depth分布。是否有尝试过延长训练时间，通常30米以上就会出现较多重影。可以参考下面的方法解决，使用query denosing构造类似的FP样本进行学习；
https://github.com/LiewFeng/RayDN 或者
https://github.com/megvii-research/Far3D
不需要更改depth分布。是否有尝试过延长训练时间，通常30米以上就会出现较多重影。可以参考下面的方法解决，使用query denosing构造类似的FP样本进行学习； https://github.com/LiewFeng/RayDN 或者 https://github.com/megvii-research/Far3D
还没有尝试过延长时间，当前有300万bundle数据，bs=8*8gpu，训练时长为46万次迭代（10 epoch），学习率为4e-4，请问应该如何调整
学习率6e-4，应该不需要延长时间。主要是模型问题，试一下我提的那两个query denosing和deformable attention
学习率6e-4，应该不需要延长时间。主要是模型问题，试一下我提的那两个query denosing和deformable attention
看起来rag-denosing还使用了多尺度，且3D position embedding也有所不同，我当前是只需要把这个工程中ray-denoise相关的代码拿到streampetr head中试试吗？
是的，您就只需要把denosing搬过来，之后再试试repdetr3d中的多尺度：
https://github.com/exiawsh/StreamPETR/blob/main/projects/configs/RepDETR3D/repdetr3d_vov_800_bs2_seq_24e.py
