关于通过低光退化管线微调预训练 YOLOv3 实验结果异常的疑问 #31
Description
大佬您好，我最近对您论文中低光退化管线进行了相关实验，遇到了一些问题，希望能得到您的回复。
我测试了利用 低光退化管线得到的图像 和 真实低光图像 来微调在预训练yolov3结果的差异。
实验1：直接使用预训练的yolov3模型（yolov3_d53_mstrain-608_273e_coco_20210518_115020-a2c3acb8.pth）在Exdark测试集上进行测试，map=0.565。
实验2：预训练的yolov3模型在Exdark训练集上微调，然后在Exdark测试集上测试，map=0.769。
实验3：使用低光退化管线退化5000张来自coco数据集的图像，然后再这个数据集上微调预训练的yolov3模型，然后在Exdark测试集上测试，map=0.394。
关于实验的细节，为了和实验3对应，实验2没有把num_classes设置为12而还是80，并且修改了ICCV_MAET/mmdet/datasets/Exdark.py中的CLASSES信息，以便和Annotations中的Lable对应。这样测试的其实是80个类别。
最后，也是我有疑问的地方，如果低光退化管线能较好模拟真实的低光环境，实验3的map值应该大于实验1而小于实验2。但是实际上实验3的map值反而会低于实验1，得到使用低光退化管线进行微调还不如不微调这一违反常理的结论🤔。还是说这个低光退化管线只能适用重头训练一个yolo网络（也就是论文中的YOLO (L)），并不适合使用该管线做微调😱？如果是有什么好的方法来测试一个低光退化管线是否有效呢，毕竟如果每次都重头训练一个YOLO (L)，对时间和算力都很不友好😭。
很抱歉在元旦这天打扰您，这里也祝您元旦快乐，希望节后能得到您的回复，十分感谢😌。