关于论文中的一些疑问 about cir-fsd-2022

[YY-FY]

关于第一个问题，表格中0.33就是33%的意思，0.02是2%的意思；
第二个问题，backbone采用的是resnet，它由5个模块构成，FREEZE_AT参数就是冻结的模块数量，5就是全冻结了；
第三个问题，您可以将CIR模块换成普通的FPN进行对比实验，F-RPN和R-NMS可以通过调整默认的参数值来验证其有效性

[Ellohiye]

关于第一个问题，表格中0.33就是33%的意思，0.02是2%的意思； 第二个问题，backbone采用的是resnet，它由5个模块构成，FREEZE_AT参数就是冻结的模块数量，5就是全冻结了； 第三个问题，您可以将CIR模块换成普通的FPN进行对比实验，F-RPN和R-NMS可以通过调整默认的参数值来验证其有效性

非常感谢您的解答！
1、所以针对第二个问题中，freeze:false，并不代表没有冻结，真正起作用的是FREEZE_AT参数，对吗？
因为我之前阅读过您采用的基线模型的代码，所以对这些参数有些疑问。
2、CIR模块在配置文件中对应的是ATTENTION部分吗？

另外F-RPN和R-NMS在配置文件中对应哪些参数呢？
因为您的代码中只有1shot的配置文件，我不太清楚如果在5shot和10shot中也采用您提出的模块应该如何改写配置文件。您能否给我一些指导？非常感谢！
3、最后，想向您请教一下，如果采用的数据集中的图片包含多个标签，那么在使用prepare_voc_few_shot.py文件划分数据集时，5shot划分后一个文件中可能只会包含3/4个文件，这应该对实验没有影响吧？
还有定义0-10个seed，得到seed0-seed10多个划分结果，所以在训练的时候要把所有的结果做平均作为实验最终的结果吗？
4、在新类和基类混合训练的时候，您设计的实验是只训练800次迭代吗？

非常期待您的来信！祝您科研顺利，生活愉快！

[YY-FY]

关于第一个问题，表格中0.33就是33%的意思，0.02是2%的意思； 第二个问题，backbone采用的是resnet，它由5个模块构成，FREEZE_AT参数就是冻结的模块数量，5就是全冻结了； 第三个问题，您可以将CIR模块换成普通的FPN进行对比实验，F-RPN和R-NMS可以通过调整默认的参数值来验证其有效性

非常感谢您的解答！ 1、所以针对第二个问题中，freeze:false，并不代表没有冻结，真正起作用的是FREEZE_AT参数，对吗？ 因为我之前阅读过您采用的基线模型的代码，所以对这些参数有些疑问。 2、CIR模块在配置文件中对应的是ATTENTION部分吗？ 另外F-RPN和R-NMS在配置文件中对应哪些参数呢？ 因为您的代码中只有1shot的配置文件，我不太清楚如果在5shot和10shot中也采用您提出的模块应该如何改写配置文件。您能否给我一些指导？非常感谢！ 3、最后，想向您请教一下，如果采用的数据集中的图片包含多个标签，那么在使用prepare_voc_few_shot.py文件划分数据集时，5shot划分后一个文件中可能只会包含3/4个文件，这应该对实验没有影响吧？ 还有定义0-10个seed，得到seed0-seed10多个划分结果，所以在训练的时候要把所有的结果做平均作为实验最终的结果吗？ 4、在新类和基类混合训练的时候，您设计的实验是只训练800次迭代吗？ 非常期待您的来信！祝您科研顺利，生活愉快！

1.FREEZE_AT是针对resnet网络冻结来说的，freeze:false是对于微调方式说的
2.参数及5shot和10shot配置文件在PASCAL_VOC\split文件夹中
3.应该没有影响，最终结果为平均值
4.不同shot迭代次数不同，具体迭代次数在配置文件当中有

[YY-FY]

关于第一个问题，表格中0.33就是33%的意思，0.02是2%的意思； 第二个问题，backbone采用的是resnet，它由5个模块构成，FREEZE_AT参数就是冻结的模块数量，5就是全冻结了； 第三个问题，您可以将CIR模块换成普通的FPN进行对比实验，F-RPN和R-NMS可以通过调整默认的参数值来验证其有效性

非常感谢您的解答！ 1、所以针对第二个问题中，freeze:false，并不代表没有冻结，真正起作用的是FREEZE_AT参数，对吗？ 因为我之前阅读过您采用的基线模型的代码，所以对这些参数有些疑问。 2、CIR模块在配置文件中对应的是ATTENTION部分吗？ 另外F-RPN和R-NMS在配置文件中对应哪些参数呢？ 因为您的代码中只有1shot的配置文件，我不太清楚如果在5shot和10shot中也采用您提出的模块应该如何改写配置文件。您能否给我一些指导？非常感谢！ 3、最后，想向您请教一下，如果采用的数据集中的图片包含多个标签，那么在使用prepare_voc_few_shot.py文件划分数据集时，5shot划分后一个文件中可能只会包含3/4个文件，这应该对实验没有影响吧？ 还有定义0-10个seed，得到seed0-seed10多个划分结果，所以在训练的时候要把所有的结果做平均作为实验最终的结果吗？ 4、在新类和基类混合训练的时候，您设计的实验是只训练800次迭代吗？ 非常期待您的来信！祝您科研顺利，生活愉快！

1.FREEZE_AT是针对resnet网络冻结来说的，freeze:false是对于微调方式说的
2.参数及5shot和10shot配置文件在PASCAL_VOC\split文件夹中
3.应该没有影响，最终结果为平均值
4.不同shot迭代次数不同，具体迭代次数在配置文件当中有

[hui-yiming]

你好，请问您书写的CIR块的代码是那一部分呢？