用Retinanet时，默认self.sampling = False?

[volareneo]

作者老哥您好，感谢您的分享！

1. 我在复现的RetinaNet-DSHNet过程中发现，self.sampling默认为False，因为tail_retina_head.py中继承的事Anchorhead类，当cls_loss使用FocalLoss时，self.sampling会被设置为False，此时就会使用PseudoSampler而不是您设计的采样方法。请问实验也是基于PseudoSampler跑出来的吗？

2. 另外在Retinanet中采样，我发现您代码中在不满足512*0.25=128个正样本时，直接用负样本补足；仅在满足128个正样本时才去判断是否属于尾部类（或头部类）。裁剪图片送入训练的情况下，一般都是正样本不足128的，这样会出现尾部和头部采样的正样本完全相同，这样是否有意义呢？为什么不在正样本小于128时筛选是否属于尾部类呀？感觉您文章没有描述这一点，请您赐教谢谢！

[HuXinzhi1004]

作者老哥您好，感谢您的分享！

1. 我在复现的RetinaNet-DSHNet过程中发现，self.sampling默认为False，因为tail_retina_head.py中继承的事Anchorhead类，当cls_loss使用FocalLoss时，self.sampling会被设置为False，此时就会使用PseudoSampler而不是您设计的采样方法。请问实验也是基于PseudoSampler跑出来的吗？
2. 另外在Retinanet中采样，我发现您代码中在不满足512*0.25=128个正样本时，直接用负样本补足；仅在满足128个正样本时才去判断是否属于尾部类（或头部类）。裁剪图片送入训练的情况下，一般都是正样本不足128的，这样会出现尾部和头部采样的正样本完全相同，这样是否有意义呢？为什么不在正样本小于128时筛选是否属于尾部类呀？感觉您文章没有描述这一点，请您赐教谢谢！

你好，我也有同样的问题，请问你获得解答了吗？