关于数据集的问题

[02w20]

您好，我刚刚接触SIRS这个领域，在读过您的论文和数据集部分的代码后，我有一些疑问，希望得到您的回复，十分感谢！

1. 在setting1设置下的训练时，论文中提到”7643 synthesized pairs randomly sampled from the PASCAL VOC dataset in each epoch“，但我在代码中看到参数shuffle=False，代码实现的 按我的理解 是把15287的所有数据在sort排序后分成了前7643个和后7643个，然后索引对应的两张按照高斯模糊等操作得到合成图像，并没有体现论文中的random，每次训练的合成数据应该是固定的，我不清楚我理解的是不是对的；

2. 论文里说setting1的real有90张，但我按照您给的链接下载并解压发现只有89张；

3. 您在代码里多处都写了dataset.reset()，但其实在基类的Dataset中，reset只是直接return，并没有起到打乱的作用，在其他地方我也并没有找到reset的重定义，是我漏掉了吗？还是说其实并不需要”打乱数据集“这一操作？

4. 您给的训练命令中种子设置的为2024，请问这个和您训练时的设置是一样的吗？因为我自己也训练了一下，和您的论文中的数据的平均PSNR值有约0.3的差距，这是在合理范围内的吗？

以上问题如果我有理解有误的地方，希望您能都给我指正出来！非常非常期待您的回复，谢谢~

[lime-j]

Q1/3 ： 合成数据reset的时候会shuffle，在你第一张图里
Q2: 原数据集差的那一张有问题，好像是跟训练集有重复，之前的setting里也都去掉了
Q4：看一下你的平均PSNR如何计算的，是不是没对每个dataset的图片数量加权？

[02w20]

非常感谢您的及时回复！但我还有一些疑问。

Q4：截图是我复现的每一轮的结果（只截取了前30轮左右），计算平均PSNR是考虑了不同数据集受数量影响的权重的。
受到train_sirs_setting1.py中while engine.epoch < 50的影响，只存有前50epoch的验证数据。我手动挑选出大概第8epoch是比较好的结果，请问这种挑选方式正确吗？我关注到checkpoint中是把每一轮的权重都进行了保存，而不是根据验证集的指标去更新

[mingcv]

你好，鉴于模型不同训练epoch时在测试集上的表现波动较大，可以尝试一下更改seed，原实验代码中的seed为2023，3090单卡训练，试试看能否复现？