训练分割时tools/train文件找不到

[optimus20]

请问训练分割时tools/train文件在哪

[DotWang]

@optimus20 看readme，很明显tools/train是openmmlab系列工具的路径

[optimus20]

好的，我想问下一个实验现象：我之前在一个400g的遥感数据集上做了多标签分类任务，vit-b可以很好的训练，但改成像素级分割后vit网络难以收敛，正确率很低，调参数也没有用，我是直接改掉了网络的分类头，对特征层进行上采样到原图大小，请问会是网络架构有问题吗？这是我对vit最后一层做的修改

[DotWang]

@optimus20 这不就是FCN-16s吗，效果不会太好，我们做分割都是后边接个unet/upernet这种

[optimus20]

好的，我这个目前训练出来MIOU几乎为0，这个效果是不是太差了，我加载我那个数据集预训练的MAE后也没有任何提升。现在时间比较紧所以想试一个最可能成功的方法。请问这种情况在我目前代码里修改分割头就能解决吗，调参会导致网络性能从不work到work吗

[DotWang]

@optimus20 你直接用我们的代码，拿mmseg跑一下vit-upernet，不需要改模型结构，只需要动config，这样是最快的；另外，如果为0的话，很可能是标签有问题

[optimus20]

标签存储的格式是512*512的，读取出来是0~10，debug看的应该没问题，然后训练时将网络输出的[4, 3, 512, 512]和标签[4, 512, 512]做dice-loss，会有什么问题呢

[DotWang]

@optimus20 你精度为0，那不就说明一点也没预测对吗，就算都预测成同一类也不是0啊，另外0-10类预测出来不应该是[4, 11, 512, 512]吗，还有就是多类分割一般是CE loss，dice loss最多打个辅助，甚至可以不加

[optimus20]

抱歉刚刚打错了，我看挺多分割loss用的是dice, 那多类CE-LOSS的输入特征和标签都应该是[4,11,[512*512]]的三维数组吗

[DotWang]

@optimus20 一样的，预测[4, 11, 512, 512]，标签[4, 512, 512]，不需要softmax

[optimus20]

网络最后一层不需要进行log_softmax吗

[DotWang]

@DotWang CE loss不需要，pytorch会自动进行

[optimus20]

你好，我使用的是武汉大学和中山大学新出的一个GLOBE230的数据集，比较新还没有人用过，你觉得这个标签看起来会有问题吗，比如类别不平衡之类

[optimus20]

您方便邮箱联系吗，后续还想向您请教遥感方面问题~

[DotWang]

@optimus20 看起来还好，不平衡这个问题存在也正常，分割数据集基本上都这样

[DotWang]

您方便邮箱联系吗，后续还想向您请教遥感方面问题~

可以的