yuyi
知不可乎骤得，托遗响于悲风
科研流水账33
- 在6005和6002 两台服务器上评估之前在vehicleID训练的模型。
- 在vehicleID数据集中训练PVEN原代码。
- 安装laTex环境，整理创新点
问题分析
- 发现PVEN原代码的vehicleID评估部分错误。去github上查看，发现已经被作者修正了，不过还有一处代码的变量赋值有误。经过与胡师兄修改的代码对比，发现代码逻辑一致，没有任何问题。
- 首先从6002的实验结果可以看出，不同配置文件训练出的模型最佳结果基本上都是 mAP 89.3。 6005上最佳结果目前是mAP 90.7，也就是说定好的模型是比原模型有提升的。因此目前主要问题还是考虑复现PVEN的性能。从实验结果来看，配置文件的影响并没有很大，考虑性能无法复现可能是由于我修改代码的原因，所以想尝试直接去训练PVEN来复现效果。
下一步计划
继续调试PVEN代码，同时筹备论文的方法部分写作
