Comments (8)
而且伪劣标与实际标签相差还挺大的
from mist_vad.
你好请问是我伪劣标生成的方式有误吗
from mist_vad.
===================
AUC 0.835391494855726
FAR 0.0062083220180441144
Gap 0.19289014930875312 RMSE 0.22077137759782064
best_AUC 0.8796058476775594 at epoch 2380
同样遇到了这个问题。
训练过程中用到几个参数:
feature_rgb_path: SHT_I3D_RGB.h5,
part_len: 7 (这个应该是文章中的T,文章里给的参数T=3)
提供了这样一个预训练好的模型:SHT_I3D_AUC_0.9483.pth,他可以达到0.94.
可能试着改变一下参数,看能不能达到这个效果。
from mist_vad.
看了一下其他的问题,在一个里面作者给出了关于part_len的回答:
L=32 for all the datasets and models. T=3 for UCF_C3D, T=4 for UCF_I3D, T=7 for Shanghaitech.
from mist_vad.
看了一下其他的问题,在一个里面作者给出了关于part_len的回答: L=32 for all the datasets and models. T=3 for UCF_C3D, T=4 for UCF_I3D, T=7 for Shanghaitech.
我也碰见了这个问题,但是我使用的就是上海科技大学的数据集,按照他默认的配置,也训练不出大于0.9的模型,不知道老哥这里调整了哪些参数,训练出来了吗
from mist_vad.
看了一下其他的问题,在一个里面作者给出了关于part_len的回答: L=32 for all the datasets and models. T=3 for UCF_C3D, T=4 for UCF_I3D, T=7 for Shanghaitech.
我也碰见了这个问题,但是我使用的就是上海科技大学的数据集,按照他默认的配置,也训练不出大于0.9的模型,不知道老哥这里调整了哪些参数,训练出来了吗
额,到现在为止并没有得到大于0.9的结果。
然后之前以为SHT_I3D_AUC_0.9483.pth这个模型是阶段一的结果,但发现这个是最后阶段2的模型,所以0.94也就没有参考意义。
我比较过我的0.879得到的伪标签和他的感觉差距还是挺大的。但是我还没有进行阶段2的训练,所以还不清楚这两个伪标签的差距。你有用自己训练的伪标签进行阶段2的训练么,结果如何?
你的意思是你没有用他提供的这个处理过的特征集 ”SHT_I3D_RGB.h5“,是自己用上海科技的数据用I3D训练得到特征再进行阶段1的训练的么?
参数吗,阶段1涉及的参数很少呀,感觉就四个吧,part_num,part_len,这两个涉及采样方法,topk,lambda_1这两个涉及loss。
最近还有其他事,不是很有时间一直复现这个结果,之后要是有了进展,在交流。
from mist_vad.
看了一下其他的问题,在一个里面作者给出了关于part_len的回答: L=32 for all the datasets and models. T=3 for UCF_C3D, T=4 for UCF_I3D, T=7 for Shanghaitech.
我也碰见了这个问题,但是我使用的就是上海科技大学的数据集,按照他默认的配置,也训练不出大于0.9的模型,不知道老哥这里调整了哪些参数,训练出来了吗
额,到现在为止并没有得到大于0.9的结果。 然后之前以为SHT_I3D_AUC_0.9483.pth这个模型是阶段一的结果,但发现这个是最后阶段2的模型,所以0.94也就没有参考意义。
我比较过我的0.879得到的伪标签和他的感觉差距还是挺大的。但是我还没有进行阶段2的训练,所以还不清楚这两个伪标签的差距。你有用自己训练的伪标签进行阶段2的训练么,结果如何?
你的意思是你没有用他提供的这个处理过的特征集 ”SHT_I3D_RGB.h5“,是自己用上海科技的数据用I3D训练得到特征再进行阶段1的训练的么?
参数吗,阶段1涉及的参数很少呀,感觉就四个吧,part_num,part_len,这两个涉及采样方法,topk,lambda_1这两个涉及loss。
最近还有其他事,不是很有时间一直复现这个结果,之后要是有了进展,在交流。
我复现出来的差不多也是0.87,正准备按照这个往下走一遍,有进行展再交流哈
from mist_vad.
看了一下其他的问题,在一个里面作者给出了关于part_len的回答: L=32 for all the datasets and models. T=3 for UCF_C3D, T=4 for UCF_I3D, T=7 for Shanghaitech.
我也碰见了这个问题,但是我使用的就是上海科技大学的数据集,按照他默认的配置,也训练不出大于0.9的模型,不知道老哥这里调整了哪些参数,训练出来了吗
额,到现在为止并没有得到大于0.9的结果。 然后之前以为SHT_I3D_AUC_0.9483.pth这个模型是阶段一的结果,但发现这个是最后阶段2的模型,所以0.94也就没有参考意义。
我比较过我的0.879得到的伪标签和他的感觉差距还是挺大的。但是我还没有进行阶段2的训练,所以还不清楚这两个伪标签的差距。你有用自己训练的伪标签进行阶段2的训练么,结果如何?
你的意思是你没有用他提供的这个处理过的特征集 ”SHT_I3D_RGB.h5“,是自己用上海科技的数据用I3D训练得到特征再进行阶段1的训练的么?
参数吗,阶段1涉及的参数很少呀,感觉就四个吧,part_num,part_len,这两个涉及采样方法,topk,lambda_1这两个涉及loss。
最近还有其他事,不是很有时间一直复现这个结果,之后要是有了进展,在交流。我复现出来的差不多也是0.87,正准备按照这个往下走一遍,有进行展再交流哈
你好!请问用0.9以下的模型往下走能达到文章中的结果吗?
from mist_vad.
Related Issues (20)
- About C3D&I3D models
- 运行test.py时,anno_type参数无法获取,疑似是dataloader函数加载不正确使得eval_SHT函数中score值一直为空 HOT 2
- pre-training model file HOT 1
- 能否提供一个类似run prediction这样的代码? HOT 3
- MIL.pth HOT 3
- Did anyone reproduce successfully? HOT 1
- test.py bug "cal_false_alarm" :eval_utils.py:40: RuntimeWarning: invalid value encountered in double_scalars HOT 3
- Trying MIST_VAD on another dataset HOT 5
- about the problem of AUC reduction after enabling multi-process HOT 1
- about MIL.pth HOT 1
- 缺少加载UCF数据集的函数 HOT 1
- modify dataset.py for reading from raw data HOT 1
- could you provide the pretrained weights of I3D or C3D? thank you very much HOT 1
- Feature Shape HOT 1
- Stage 1 Training on UCF-Crime HOT 6
- Can't running successfully HOT 2
- 缺少第二阶段ucf-i3d的代码 HOT 2
- Cannot download all folders in the Onedrive link
- Can you please provide the file "MIL.pth"?
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from mist_vad.