Some questions about EfficientTeacher about efficientteacher HOT 4 CLOSED

感谢您的关注，我来尝试回答您的问题哈：

1. 我们提出Dense Detector的主要背景是，在我们做这项工作的时候，主流的研究任务都在关注FCOS和FasterRCNN，YOLOv5这样工程化比较复杂而且代码调试复杂的工作对一般研究者来说有点‘脏’，所以我们首先需要回答一个问题，YOLOv5这个检测器到底做了哪些工作让其在工业界受到欢迎，于是我们设计了Dense Detector这个实验，用来回答多正样本和mosaic数据增强对于one stage anchor based检测器的意义。然后，我们确实也基于YOLOv7检测器进行了半监督实验，效果比我们报告的YOLOv5还要好。
2. 我们也将Efficient Teacher应用在包括YOLOX/v6/v8上了，都有提升，效果也会好于YOLOv5的这个版本，您的理解是对的，PLA和EA的方案和anchor based与否无关，但是学术界在anchor free的半监督上有很多很有意思的新工作出来，我们感觉需要有一个更加稳健的方案，因为您可以看到大家在实际应用半监督的时候还需要很多超参调试成本，这与我们的价值主张是违背的，所以就没有把这一块的工作放上来。
3. 域自适应那块的消融我们没放，因为在当时写论文的时候，我们发现这一部分的loss虽然对COCO任务有提升，但是我们这种学术上的“过度设计”有可能会给实际应用带来副作用，所以现在的默认实验，这个选项也是关闭的，我们最近也有在尝试一些更generalized的方案来提升全局feature和单阶段目标feature的一致性，在经过仔细论证后我们会报告这一块的进展。

感谢您对我们工作的关注，有任何问题和想法都可以进行交流。

from efficientteacher.

1. 我们提出Dense Detector的主要背景是，在我们做这项工作的时候，主流的研究任务都在关注FCOS和FasterRCNN，YOLOv5这样工程化比较复杂而且代码调试复杂的工作对一般研究者来说有点‘脏’，所以我们首先需要回答一个问题，YOLOv5这个检测器到底做了哪些工作让其在工业界受到欢迎，于是我们设计了Dense Detector这个实验，用来回答多正样本和mosaic数据增强对于one stage anchor based检测器的意义。然后，我们确实也基于YOLOv7检测器进行了半监督实验，效果比我们报告的YOLOv5还要好。
2. 我们也将Efficient Teacher应用在包括YOLOX/v6/v8上了，都有提升，效果也会好于YOLOv5的这个版本，您的理解是对的，PLA和EA的方案和anchor based与否无关，但是学术界在anchor free的半监督上有很多很有意思的新工作出来，我们感觉需要有一个更加稳健的方案，因为您可以看到大家在实际应用半监督的时候还需要很多超参调试成本，这与我们的价值主张是违背的，所以就没有把这一块的工作放上来。

了解了，我感觉半监督学习的指标除了mAP大小之外相较于原detector监督结果的提升也是非常重要的指标，从实验的结果来看EfficientTeacher带来的提升相对其他方法没有那么高（不考虑最后一行基于yoloV5的），所以如果有一版基于FCOS的可能更能跟一些SOTA方法比。

不过，看起来好像随着base detector的性能提升，半监督带来的提升也变得有限，DenseTeacher在10%COCO情况下只能给PPYOLOE带来2个点左右的提升==

3. 域自适应那块的消融我们没放，因为在当时写论文的时候，我们发现这一部分的loss虽然对COCO任务有提升，但是我们这种学术上的“过度设计”有可能会给实际应用带来副作用，所以现在的默认实验，这个选项也是关闭的，我们最近也有在尝试一些更generalized的方案来提升全局feature和单阶段目标feature的一致性，在经过仔细论证后我们会报告这一块的进展。

我本人也是希望能把半监督落地项目里完成数据闭环真的带来提升，所以你说的”DA的副作用“本来是我接下来想问的问题。以你的经验看来，实际项目中unlabel data与label data的分布差异或者是unlabel data的质量对半监督学习的影响怎么样？（想来实际项目中unlabel data分布不会很理想）

from efficientteacher.

unlabeled data的分布会对半监督训练造成巨大的影响，我们现在有对解决这个问题有一些思路，还需要一些比较严格的对照实验来证明我们的想法。当前这个算法库是我们能提供的最接近实际生产环境的原型，希望对您有所帮助。

from efficientteacher.

好的，期待你们接下来的工作

from efficientteacher.