关于semantic segmentation 测试结果可能会有差异

[youngbaldy]

您好，我使用upernet-rsp-resnet-50-potsdam-latest.pth权重在potsdam数据集上进行测试的时候，发现得到的结果与log中的结果有所出入；
我得到的结果如下：

aAcc 86.43 vs 90.61 , mIou 65.69 vs 81.96,等等都有所差异；

[youngbaldy]

现在我已解决问题，如果还有其他的复现者出现问题，请按照如下步骤排查你们可能会出现的问题。
关于我的实现：
1.我的config 路径为configs/upernet/upernet_our_r50_512x512_80k_potsdam.py，我除了修改数据集路径之外并未做额外的修改；
2.数据集部分，需要使用的是3_Ortho_IRRG.zip、5_Labels_all.zip；
3.使用的是mmseg官方的转换文件，标签值应该转换为1-6，因此应该在mmseg/datasets/potsdam.py中设置reduce_zero_label=True，ignore_index=5, num_classes=5、
按照如上步骤排查，得到的结果如下：

可以发现结果已能对齐。希望能帮助到其他的复现者。

题外话：请问作者为啥使用IRRG图像而不使用RGB图像进行训练，我看在文章中也未能提及，希望能解惑。
期待您的回复。

[DotWang]

@youngbaldy 这个是这样，之前的遥感分割论文也没有统一，两种都有，我印象中ISPRS数据集这两个场景用IRRG的多一些？所以就用IRRG了，后来我发现CV背景的可能统一用RGB了，我也就在RVSA的时候转成RGB了，不过据我实验，精度差别不大

[youngbaldy]

感谢您的回复。我未在RVSA那边测试，不过我在RSP这边将测试集图片换成RGB时，得到的结果比IRRG的要差
RGB结果如下：

我猜推理RGB时结果不理想，可能是与训练模型使用IRRG格式的图片有关，因此训练和测试的数据集图像格式得保持一致。您觉得这猜测是合理的吗？

[DotWang]

@youngbaldy 合理，我说的差不多指的是，在RGB上训练并测试，和在IRRG上训练并测试的结果差不多，这两种数据应该是不能混用的，最好不要在一个上训练在另一个上测试

[youngbaldy]

感谢您的回复。另外我想请教一下，我看到您在mmseg/models/backbone/our_resnet.py中 forward函数是返回一个列表，比较疑惑为啥会返回一个列表？

期待您的回复。

[DotWang]

@youngbaldy mmseg原来是返回一个tuple吧，感觉都差不多，把这些特征拿给分割网络用

[youngbaldy]

ook，大概理解了，我再仔细看看，感谢您的回复。