关于PNet的召回率以及侧脸采样问题

[haozixu]

您好，我最近在尝试使用keras和tensorflow复现mtcnn。 有些地方我是按照自己的理解写的，训练PNet时最终的召回率只有73%左右，准确率89%左右， 我这里分类的loss在0.26左右波动，框回归loss在0.016，关键点回归在0.021左右。这样的结果是不是太糟糕了呢？ 我训练的时候是实时读数据并做数据增强，一个batch里面各样本数量是30，10，10，20。 但我之前发现正方形框的采样，在对于侧脸这种较为狭长的bbox上IOU经常很低， 达不到0.65的正样本的阈值，所以会根据采样不成功的次数自动地把正样本IOU阈值调低到0.55。 请问这是不是会有很大的影响呢？ 多谢指教。

[AITTSMD]

@haozixu pnet的召回率是有点低了，pnet召回率在97到99%比较正常（在fddb上测试）。 第二个问题 我感觉没影响吧，但我自己没试过。我建议你把pnet检测的结果可视化出来看看，观察一下脸的位置是否都被框起来了？

[haozixu]

感谢您的回答。 这段时间发现PNet的召回率还可以，没有太大遮挡的人脸基本都能找出来，其实是之前的评估有些问题。但现在主要问题出在RNet和ONet的精度比较低，会有很多 不是人脸但没被筛掉的FP。直接强行提高阈值的话有些人脸可能会被筛掉。请问这主要可能是什么问题呢？ 尝试过更长时间的训练和更干净的数据生成，但效果不明显。也试过换更大的网络，确实有较显著的提升，但是上述问题仍比较严重，无法正常使用;而且与这个架构的思路感觉有点背离。 谢谢。

[haozixu]

@AITTSMD

[AITTSMD]

@haozixu 你好，RNet的准确率和召回率大概是多少呢，看样子是模型没有训练好~

[MichaelGou1105]

@haozixu 你好，您这边最后解决了您说的问题了么？

[LiChenyang-Github]

@AITTSMD 您好，请问您有在wider face的train set上计算过recall吗？我在wider face上训练MTCNN，在FDDB上计算PNet 的 recall，IoU threshold为0.5的时候能达到97%+的。但是在wider face的train set上PNet的recall很低，IoU threshold为0.65的时候只有47.8%，IoU threshold为0.4的时候为69.3%，请问是因为wider face的困难样本比较多吗？