关于compute_un_sup_loss函数中select_targets about efficientteacher HOT 5 OPEN

请问这个问题解决了嘛

from efficientteacher.

@yjcreation 您好，我来检查一下代码，最近太忙了没有及时回复issue，十分抱歉

from efficientteacher.

@yjcreation 我看了这块的逻辑貌似是没有问题的，这里要传出去的就是obj的值，而不是cls的值，而事实上我们在训练的时候也是关掉了这个loss的

from efficientteacher.

@yjcreation 我看了这块的逻辑貌似是没有问题的，这里要传出去的就是obj的值，而不是cls的值，而事实上我们在训练的时候也是关掉了这个loss的

好的，谢谢！这里的逻辑是不是按照如下进行理解：
综合置信度 ≥ τ2，无监督的损失为分类损失+回归损失+置信度损失；
τ1＜综合置信度＜τ2，无监督的损失为回归损失+置信度损失；
综合置信度≤τ1，无监督的损失为置信度损失。
根据不同的阈值，每个伪标签计算方式从这三种里面选择一个
@BowieHsu

from efficientteacher.

您好！想请问一下1.
$$Y_{(h,w)}^{cls} , Y_{(h,w)}^{reg} , Y_{h,w}^{obj}$$
和

$$\hat{Y}{(h,w)}^{cls} , \hat{Y}{(h,w)}^{reg} , \hat{Y}_{h,w}^{obj}$$

有什么区别吗？不是都表示教师模型针对无标注数据的预测值吗？
2.

$$\hat{Y}_{h,w}^{obj}$$

和

$$\hat{obj}_{(h,w)}$$
有什么区别？可以针对以上两个问题具体解释一下吗？谢谢！

from efficientteacher.