作者，您在目标检测训练时说使用的在imagenet上的预训练模型，是指类似mobilenetv2+agca这种的全部分的预训练模型，还是只使用了mobilenetv2这一部分的权重

[ThePengg]

No description provided.

[C1nDeRainBo0M]

载入的只有主干网络的预训练权重，因为钢铁表面数据集和自然数据集的数据分布是不同的。因此，我们认为只需要网络可以提取基础特征就可以。尽管，在后续的实验中发现，加载不加载权重对于本实验的结果影响不大。

[ThePengg]

载入的只有主干网络的预训练权重，因为钢铁表面数据集和自然数据集的数据分布是不同的。因此，我们认为只需要网络可以提取基础特征就可以。尽管，在后续的实验中发现，加载不加载权重对于本实验的结果影响不大。

作者您好，为什么我按照您的设置训练yolox，发现使用预训练权重比不使用效果好呢，而且试了一下加cbam之类的模块效果都没有原始的好。还想问问使用的mobilenetv2的哪几层放进的yolohead

[C1nDeRainBo0M]

可能环境配置文件数据划分等不同会出现一些和我实验结果不同的情况，但是一般来说加入了注意力模块效果都会比原网络要好一些，如果出现你说的这种情况可能需要检查一下自己的代码是否有问题。
还有如果可以的话，你可以尝试加载预训练权重后去冻结除注意力模块之外的网络结构，以提升最后的效果，本研究主要还是比较各个注意力模块对于钢铁表面识别的效果，因此没有刻意去刷点，而是更重视同一设置下不同注意力模块的对比效果。
一般来说都是讲最后三个尺度的有效特征层输入进yolohead中。

[ThePengg]

作者您在yolox中使用的ghostnet是ghostnet0.5吗，我在github上没找到0.5的预训练权重，只找到1.0的