Some questions about the image features

[zefanZhang-cn]

Hello, i want to ask about the image features which are extracted from the detectron. When i extract them, i find their shapes are (36,1024), but the features' shapes which are extracted by batra-mlp-lab are (36,2048). So my question is how to deal with this problem? Thanks.

[yuleiniu]

You could modify the option "model. img_feature_size" in the file "rva/configs/rva.yml" from 2048 to 1024.

[zefanZhang-cn]

You could modify the option "model. img_feature_size" in the file "rva/configs/rva.yml" from 2048 to 1024.

感谢你的回复，但我还是想问下，为什么detectron提取出来的是1024，但模型使用的都是2048，这个是如何变化的呢？如果将文件中的 "model. img_feature_size" 改为1024会对结果有什么影响吗？因为我是在想利用以前的提取特征方法，将自己的数据集重新提取特征，跟原来batra-mlp-lab提取的特征保持一致，然后夹杂着一起使用，我看大家都是用的detectron来提取的特征，但我在使用时发现提取的特征是（36，1024）的，如果我直接利用全连接层将这个特征的shape改成（36，2048），然后放入到原来提取好的特征中，我怕这样会对我的结果产生影响。

[yuleiniu]

You could modify the option "model. img_feature_size" in the file "rva/configs/rva.yml" from 2048 to 1024.

感谢你的回复，但我还是想问下，为什么detectron提取出来的是1024，但模型使用的都是2048，这个是如何变化的呢？如果将文件中的 "model. img_feature_size" 改为1024会对结果有什么影响吗？因为我是在想利用以前的提取特征方法，将自己的数据集重新提取特征，跟原来batra-mlp-lab提取的特征保持一致，然后夹杂着一起使用，我看大家都是用的detectron来提取的特征，但我在使用时发现提取的特征是（36，1024）的，如果我直接利用全连接层将这个特征的shape改成（36，2048），然后放入到原来提取好的特征中，我怕这样会对我的结果产生影响。

请问你用的哪一个detectron的模型？根据batra-mlp-lab的代码https://github.com/batra-mlp-lab/visdial-challenge-starter-pytorch/blob/master/data/extract_features_detectron.py，提取特征的模型是基于faster_rcnn_x101的，你可以选取对应的模型提取自己的特征

[zefanZhang-cn]

You could modify the option "model. img_feature_size" in the file "rva/configs/rva.yml" from 2048 to 1024.

感谢你的回复，但我还是想问下，为什么detectron提取出来的是1024，但模型使用的都是2048，这个是如何变化的呢？如果将文件中的 "model. img_feature_size" 改为1024会对结果有什么影响吗？因为我是在想利用以前的提取特征方法，将自己的数据集重新提取特征，跟原来batra-mlp-lab提取的特征保持一致，然后夹杂着一起使用，我看大家都是用的detectron来提取的特征，但我在使用时发现提取的特征是（36，1024）的，如果我直接利用全连接层将这个特征的shape改成（36，2048），然后放入到原来提取好的特征中，我怕这样会对我的结果产生影响。

请问你用的哪一个detectron的模型？根据batra-mlp-lab的代码https://github.com/batra-mlp-lab/visdial-challenge-starter-pytorch/blob/master/data/extract_features_detectron.py，提取特征的模型是基于faster_rcnn_x101的，你可以选取对应的模型提取自己的特征

是的，我就是选择的他所说的模型，但是特征shape不对应，不太理解。