关于网络最后的return[x, x_dsn]

[yearing1017]

您好，感谢您的代码实现。有些疑问想请教您一下：

1. 网络最后的return[x, x_dsn]是什么意思，返回一个list?在论文中，最后不该是一个cat吗？
2. 网络最后的输出，如果不经过上采样的话，如何恢复原图大小？

[yearing1017]

@Serge-weihao

[Serge-weihao]

x和x_dsn被分别求loss，然后对各自的loss加权求和得到最后的loss，所以不应该cat

[yearing1017]

感谢回复，如果我只想在我的程序中使用CCNet网络，例如输入：[4,3,320,320]，然后输出为[4,4,320,320]，分割为4类，是不是应该修改网络forward代码：最后使用上采样得到输出？ @Serge-weihao

[yearing1017]

您好，我这样修改ccnet.py的forward代码，不分别求loss，对x_dsn和x进行融合，然后进行分割，只对这一个结果与label求loss，可以吗？

    def forward(self, x, labels=None):
        #print(111)
        size = (x.shape[2], x.shape[3])
        x = self.relu1(self.bn1(self.conv1(x)))
        x = self.relu2(self.bn2(self.conv2(x)))
        x = self.relu3(self.bn3(self.conv3(x)))
        x = self.maxpool(x)
        x = self.layer1(x)
        x = self.layer2(x)
        #print(222)
        x = self.layer3(x)
        #print(333)
        x_dsn = self.dsn(x)
        #print(x_dsn.shape)
        x = self.layer4(x)
        #print(x.shape)
        x = self.head(x, self.recurrence)
        #print(x.shape)
        outs = torch.cat([x, x_dsn],1)
        print(outs.shape)
        outs = self.conv4(outs)
        outs = nn.Upsample(size, mode='bilinear', align_corners=True)(outs)
        #print(outs)
        return outs

[Serge-weihao]

deeplabv3plus就是类似的结构，不同level concat起来，你觉得合适就行