Replies: 2 comments 9 replies
-
|
我也遇到同样问题，论文使用的resnet50和原始resnet50的stride设置不同，导致layer4的输出尺寸过大，再过最后平均池化之后变形成BC1*1和原始resnet50此处的通道数C不同，我认为不能使用原始版本Resnet50的池化设置和全连接分类头，我尝试了直接修改最后池化的stride和全连接输入通道，效果不理想，希望项目作者能够开源resnet50预训练的部分代码。 |
Beta Was this translation helpful? Give feedback.
-
|
论文中应该有提到，预训练阶段使用的是标准resnet设置。 |
Beta Was this translation helpful? Give feedback.
-
|
所以报错是啥呢…… |
Beta Was this translation helpful? Give feedback.
-
|
报错在于：如果用标准resnet50的训练得到的参数模型作为预训练模型加载入siamrpn++网络中，在layer2,3,4中的downsample处，由于kernel大小不一致导致了报错 |
Beta Was this translation helpful? Give feedback.
-
down sample怎么会有kernel，你们用的什么downsample呀 |
Beta Was this translation helpful? Give feedback.
-
|
resnet50跳跃连接部分downsample的kernel |
Beta Was this translation helpful? Give feedback.
-
|
这是将标准resnet50的预训练模型作为backbone加载到siamRPN++网络，对siamRPN++网络进行训练时的报错： |
Beta Was this translation helpful? Give feedback.
-
我想知道backbone的预训练模型（renst50.model）是如何得到的，所用的网络结构是siamrpn++中的resnet50的网络结构吗？如果用siamrpn++中的resnet50进行预训练，renset50最终的fc层的输入通道是多少？在输入fc前的特征图尺寸是多少？是否需要对此时的特征图尺寸进行压缩？
Beta Was this translation helpful? Give feedback.
All reactions