second-centernet

development

second-center-v5
Car  [email protected], 0.70, 0.70:
bev  AP:96.28, 89.26, 88.03
3d   AP:92.62, 82.45, 79.03

second-center-v4
Car  [email protected], 0.70, 0.70:
bev  AP:96.09, 89.39, 86.67
3d   AP:92.04, 80.67, 77.50

second-center-v3
Car  [email protected], 0.70, 0.70:
bev  AP:96.00, 89.22, 86.64
3d   AP:91.23, 80.05, 77.02

second-center-v2
Car  [email protected], 0.70, 0.70:
bev  AP:94.45, 86.20, 83.57
3d   AP:89.54, 78.47, 74.10

second-center
Car  [email protected], 0.70, 0.70:
bev  AP:87.71, 82.86, 81.26
3d   AP:79.81, 71.51, 70.02

second-anchor
bev  AP:95.97, 89.81, 87.01
3d   AP:92.34, 83.25, 80.15

TODO List

• 细节
  • second的RPN最后是用的1x1卷积，而目前的centernet的3个head都是用的1x1卷积，是否考虑和centernet一样先过3x3卷积再过1x1卷积？这样的话RPN的最后一层是否需要调整？
  • 计算高斯半径的方法（目前仍然使用的是cornernet的角点半径计算方法第一版，修改此项需要对focal_loss调参）
  • 空的体素是否需要特殊处理
  • 目前看来centernet在训练过程中，中心点的预测与尺度估计是分开的，但是在预测时这两者是假设一致的，所以在训练的时候把index的范围扩大（从中心扩大到中心及邻域）会提高回归的效果？
  • eval_oracle_wh和eval_oracle_reg的作用？
  • offset的输出是否需要经过sigmoid，因为gt全为正，且在[0, 1]之间，更进一步的来讲，确定中心点在特征层上的位置时，应该用round而不是floor
  • 中心点溢出的问题目前是设置阈值，是否采取删除操作更合适？
  • 高度值的预测是否需要encode和decode的操作？
  • centernet使用像素尺寸计算输出特征图上对应的高斯半径？目前的网络是用的特征图的目标尺寸计算的高斯半径
  • 目前除了heat_map_head之外，没有经过decode和encode．
  • centernet中对于size的回归写了三种loss，目前采用的是跟offset一样的L1 loss．
  • centernet训练和测试的时候使用的是不同的sigmoid？
• 问题
  • kitti.py中生成bbox和heat map的gt的流程是一样的，但是生成的tensor变量分别是list类型和tensor类型
  • numpy的clip不能用于多线程?