关于QNRF等数据集的结果问题

[yangtle]

请问有人将这个数据集训练到论文水平了吗，为什么我按要求的参数设置，结果只维持MAE100左右呢？（已经经过了许多次以及不同机器的验证）

[yangtle]

对对，差不多就这水平，但我看后面基于P2PNet发表的论文也都达到了MAE很好的水平，应该算是一种印证吧。所以我怀疑这个是不是有什么特殊的参数设置呢？想知道有达到的人能分享一下，非常感谢！

[1971186279]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

[yangtle]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

[mpmmpmmmp]

我在3090 24g上跑NWPU训练时测试会爆显存, 请问这个您有解决吗

[KRK11]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

[1971186279]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

[KRK11]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

[1971186279]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

参数都是源码里的，3500epoch我也都跑完了，我的服务器是Tesla V100

[KRK11]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

参数都是源码里的，3500epoch我也都跑完了，我的服务器是Tesla V100

okk好的谢谢，我后边有修改一部分源码的loss函数，刚才去看了早上部署的训练在780轮左右跑了个53.13出来，神奇，刚问完就蹦出来。

[KRK11]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

参数都是源码里的，3500epoch我也都跑完了，我的服务器是Tesla V100

又降了，到mae:53.0,mse:86.87了。

[1971186279]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

参数都是源码里的，3500epoch我也都跑完了，我的服务器是Tesla V100

又降了，到mae:53.0,mse:86.87了。

那太棒了

[KRK11]

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置

刚才看错数据集了，我是SHA数据集用自己训练出来的模型去验证mae是93左右，而用源代码提供的SHTechA.pth去验证是61.19，我不知道哪里搞错了

SHA是没问题的，感觉你这个应该是数据集本身或者是dataload的问题

请问SHHA数据集能跑到mae 52.多吗，官方给的预训练模型我结果是mae53.02多，自己训练的话也是54.多。

我自己训练是53.12

可以请问下参数是设置的什么吗

参数都是源码里的，3500epoch我也都跑完了，我的服务器是Tesla V100

又降了，到mae:53.0,mse:86.87了。

那太棒了

谢谢，想问一下那个预训练模型的指标是可以达到论文中的指标吗，不会和硬件相关吧。

[yangtle]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

好的佬，感谢你，拉我于深渊，不知道该问谁

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

好的佬，感谢你，拉我于深渊，不知道该问谁

没事没事，小问题，社区就应该这样互帮互助。

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

好的佬，感谢你，拉我于深渊，不知道该问谁

没事没事，小问题，社区就应该这样互帮互助。

对了佬，可以分享下验证指标的代码吗，我根据pull requests里面的更新稍作修改，用源代码提供的权重文件依旧是得到SHA61.19的mae

[KRK11]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

好的佬，感谢你，拉我于深渊，不知道该问谁

没事没事，小问题，社区就应该这样互帮互助。

对了佬，可以分享下验证指标的代码吗，我根据pull requests里面的更新稍作修改，用源代码提供的权重文件依旧是得到SHA61.19的mae

他源码里验证指标的代码不需要改动就可以使用呀，他本身就是用train数据集作训练，test数据集测试，按每几轮输出mae的。在engine.py的evaluate_crowd_no_overlap函数，run_test.py是来对单个图输出结果的，当然也可以用来测指标，但是前面那个已经给测SHA指标了，虽然应该测的是验证集，源码没有区分开验证集和测试集的。

[1971186279]

SHA数据集是没问题的，甚至还能训练到比论文指标还要好一些的情况。但，个人建议，还是要好好验证一下QNRF等数据集，反正我目前没有验证出结果，差挺多的。不然把模型改好了在其它数据集没法验证，还是很难受的事情。

😮 这么神奇

请问P2PNet可以做多类别计数吗

可以呀，修改下num_class。

那数据集应该怎么准备呀，那个txt标注文件

数据集可以按你的方式把类别加进去，可以直接加在每一行最后，主要还得修改下源码。比如SHHA.py的30行左右的读取文件那部分，还有SHHA的getitem部分的target['label']赋值，那里是默认类别是1，毕竟只有两个类别，你这里就可以将你读取文件的类别信息插入到这里。

有点难（代码能力薄弱），，你是试验过吗，除了SHHA.py文件还需要修改别的地方吗

没试验过多类别的，但是我已经通读了代码并且魔改了好多地方，比如matcher.py部分，改了原作者写的效率极慢的匹配部分代码。还有改了一下loss函数，还有其他的一些地方。先把SHHA还有num_class改完根据报错就可以知道哪里需要改了。

好的佬，感谢你，拉我于深渊，不知道该问谁

没事没事，小问题，社区就应该这样互帮互助。

对了佬，可以分享下验证指标的代码吗，我根据pull requests里面的更新稍作修改，用源代码提供的权重文件依旧是得到SHA61.19的mae

他源码里验证指标的代码不需要改动就可以使用呀，他本身就是用train数据集作训练，test数据集测试，按每几轮输出mae的。在engine.py的evaluate_crowd_no_overlap函数，run_test.py是来对单个图输出结果的，当然也可以用来测指标，但是前面那个已经给测SHA指标了，虽然应该测的是验证集，源码没有区分开验证集和测试集的。
okok是我理解错了

[genshang1932]

请问有人qnrf上复现出来了paper的结果吗

[mpmmpmmmp]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

[Minsky520]

对对，差不多就这水平，但我看后面基于P2PNet发表的论文也都达到了MAE很好的水平，应该算是一种印证吧。所以我怀疑这个是不是有什么特殊的参数设置呢？想知道有达到的人能分享一下，非常感谢！

佬你好，请问基于P2PNet的工作有那些比较突出的呀，目前没有查到基于P2PNet这种点到点的计数呀，您能举个例子吗

[KRK11]

对对，差不多就这水平，但我看后面基于P2PNet发表的论文也都达到了MAE很好的水平，应该算是一种印证吧。所以我怀疑这个是不是有什么特殊的参数设置呢？想知道有达到的人能分享一下，非常感谢！

佬你好，请问基于P2PNet的工作有那些比较突出的呀，目前没有查到基于P2PNet这种点到点的计数呀，您能举个例子吗

Point-Query Quadtree for Crowd Counting, Localization, and More

[KRK11]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

[mpmmpmmmp]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

可以提供一下matcher部分的代码吗，非常感谢您

[Minsky520]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

大佬您好，代码里面训练时候将图像裁剪为固定大小128128,但是VGG网络输入不该是224224吗
推理的时候尺寸也不一定是224*224，请问这种情况为什么网络可以处理呀。没有看到哪里说明了这一点

[mpmmpmmmp]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

大佬您好，代码里面训练时候将图像裁剪为固定大小128_128,但是VGG网络输入不该是224_224吗 推理的时候尺寸也不一定是224*224，请问这种情况为什么网络可以处理呀。没有看到哪里说明了这一点

VGG网络对输入图像的大小并没有硬性要求

[Minsky520]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

大佬您好，代码里面训练时候将图像裁剪为固定大小128_128,但是VGG网络输入不该是224_224吗 推理的时候尺寸也不一定是224*224，请问这种情况为什么网络可以处理呀。没有看到哪里说明了这一点

VGG网络对输入图像的大小并没有硬性要求

十分感谢您的回复！我还有一个疑问在于输入batch内的图像切片对应的点数不一定一样，但是我没有看到哪里有处理点个数的代码，这样遍历dataloader时候会报错？

[mpmmpmmmp]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

大佬您好，代码里面训练时候将图像裁剪为固定大小128_128,但是VGG网络输入不该是224_224吗 推理的时候尺寸也不一定是224*224，请问这种情况为什么网络可以处理呀。没有看到哪里说明了这一点

VGG网络对输入图像的大小并没有硬性要求

十分感谢您的回复！我还有一个疑问在于输入batch内的图像切片对应的点数不一定一样，但是我没有看到哪里有处理点个数的代码，这样遍历dataloader时候会报错？

没理解你的描述

[nice98k]

对对，差不多就这水平，但我看后面基于P2PNet发表的论文也都达到了MAE很好的水平，应该算是一种印证吧。所以我怀疑这个是不是有什么特殊的参数设置呢？想知道有达到的人能分享一下，非常感谢！

请问有哪些 基于P2Pnet发表的论文？

[nice98k]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

你好，能分享一下你改后的代码？我也遇到这个问题，显存不够用的问题，着急人

[nice98k]

@yangtle @KRK11 @genshang1932 请问QNRF测试时爆显存怎么处理? 40g都不够用

matcher重写一下，github上的把batch揉在一起计算了，浪费了大量资源。

可以提供一下matcher部分的代码吗，非常感谢您

你好，请问您有matcher部分的代码吗？

[nice98k]

P2PNet qq交流群：790745540，互相帮助，解决bug问题

[susu-source]

@KRK11 佬你是怎么改的loss让训练结果变好的呀，我用作者的参数跑出来效果在MAE=55左右。