关于SARDet-100K 测试和验证集的结果

[bigmoking]

DenoDet-V2使用验证集对应的模型（512*512）直接测试结果不是很理想，测试集的模型和验证集的模型区别是不是输入图片的size?

[travelerwood]

感谢您关注并使用我们的仓库，关于您的问题，我们的回答如下：
验证集的配置文件可参考 configs/DenoDetV2/DenoDetV2_1x_SARDet_100k.py，其模型权重也已在仓库主页的 model zoo 中给出。
测试集的配置文件可参考 configs/DenoDetV2/DenoDetV2_1x_SARDet_100k_test.py，同样其模型权重也已在仓库主页的 model zoo 中给出。

关于验证集与测试集的模型区别，除了输入图片的 size 不同以外，对于 PATE 模块中的分块步长我们也做了相应的调整，区别如下：

验证集中

# line 7-8
img_scale = (512, 512)
partition_stride = (8, 8)

# line 18-29
    backbone=dict(
        type='groksar.FFTResNet',
        img_scale = img_scale,
        partition_stride = partition_stride,
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=-1,
        norm_cfg=dict(type='SyncBN', requires_grad=True),
        norm_eval=False,
        style='pytorch',
        init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')),

测试集中

# line 9-10
img_scale = (1024, 1024)
partition_stride = (16, 16)

# line 28-39
    backbone=dict(
        type='groksar.FFTResNet',
        img_scale = img_scale,
        partition_stride = partition_stride,
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=-1,
        norm_cfg=norm_cfg,
        norm_eval=False,
        style='pytorch',
        init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')),

如果需要复现实验结果，请保证其配置尽可能一直。