英文翻译中文英文原文： The proposed method is implemented with Pytorch onNVIDIA GeForce GTX 1080 Ti The Adam optimizer istaken for training with an initial learning rate of 0001 Asfor data enhancement random

所提出的方法是在NVIDIA GeForce GTX 1080 Ti上使用Pytorch实现的。使用Adam优化器进行训练，初始学习率为0.001。对于数据增强，使用随机镜像和宽度和高度扭曲来调整输入图像的大小为256x256，并进行50个Epoch的训练。在训练中，我们均匀采样训练数据集，80%用于模型训练，20%用于测试。由于本文提出的方法旨在解决点目标检测问题，因此ground truth仅包含目标的中心点。为了生成目标的热图，高斯圆半径设置为2，根据目标点的尺度小于或等于2x2的先验条件。有关模型和训练的更多详细信息，请访问https://github.com/Linaom1 Transformer。U-Transformer的损失函数由热图损失和中心偏移损失组成。损失函数如下所述。

热图损失：热图损失是变形的Focal Loss，损失函数是Eq 4。包含两个超参数a和B，N是图像中目标点的数量（即正样本的数量），h、w是宽度和高度。H是检测模型输出的目标热图，H是根据目标的真实注释框基于高斯函数生成的热图。a和β分别手动调整为2和4，以平衡难易样本和正负样本。