您好，非常感谢您开源 BasicIRSTD 这个工作。最近我在尝试复现 README 表格中传统方法在 IRSTD-1K 上的 mIoU / Pd / Fa 指标，主要关注 WSLCM、TLLCM、PSTNN 等传统方法的评测流程。我参考了您之前在issue #5、issue #10和issue #46 中提到的说明：传统方法的输出结果是“归一化后，和深度学习方法一样取阈值为 0.5，然后计算指标”。按照这个思路，我目前做了如下尝试：使用 response_norm > 0.5 得到最终二值预测图，对每张响应图单独做 min-max 归一化到 [0, 1]。但是我这样做然后使用传统方法训练得到的数据和你表格中提到的差的很多，我测得是WSLCM: IoU=9.3517, Pd=64.9832, Fa=5.9783，TLLCM: IoU=9.4806, Pd=70.7071, Fa=11.3492，PSTNN: IoU=16.3541, Pd=62.9630, Fa=80.3554。想请问一下在传统方法的测试上，是否使用了其他的方法来进一步规范最终结果呢？想再多了解一下关于传统方法的训练，请问能否再分享一下具体过程，感谢您的开源工作和耐心解答！您的说明对我复现和理解 BasicIRSTD 中传统方法的评测流程会有很大帮助。
您好，非常感谢您开源 BasicIRSTD 这个工作。最近我在尝试复现 README 表格中传统方法在 IRSTD-1K 上的 mIoU / Pd / Fa 指标，主要关注 WSLCM、TLLCM、PSTNN 等传统方法的评测流程。我参考了您之前在issue #5、issue #10和issue #46 中提到的说明：传统方法的输出结果是“归一化后，和深度学习方法一样取阈值为 0.5，然后计算指标”。按照这个思路，我目前做了如下尝试：使用 response_norm > 0.5 得到最终二值预测图，对每张响应图单独做 min-max 归一化到 [0, 1]。但是我这样做然后使用传统方法训练得到的数据和你表格中提到的差的很多，我测得是WSLCM: IoU=9.3517, Pd=64.9832, Fa=5.9783，TLLCM: IoU=9.4806, Pd=70.7071, Fa=11.3492，PSTNN: IoU=16.3541, Pd=62.9630, Fa=80.3554。想请问一下在传统方法的测试上，是否使用了其他的方法来进一步规范最终结果呢？想再多了解一下关于传统方法的训练，请问能否再分享一下具体过程，感谢您的开源工作和耐心解答！您的说明对我复现和理解 BasicIRSTD 中传统方法的评测流程会有很大帮助。