piginzoo

我的也是不收敛，用的是CeleBa数据集，1万个分类，请教大神们，你们训练大数据集的时候，m和s超参多少啊？代码默认是m=0.5和s=30，不过我看了原始论文，他推荐是m=1.35，大概是77度。另外，论文里没有推荐半径s的值。这2个超参大家在训练过程中，如何把握的呢？请教 ：https://github.com/piginzoo/arcface-pytorch.git

我修改了一下，目前已经收敛了， 用了resnet的avg层，减少了点参数；m=1.2，s=64；easy_margin = True(夹角超过180度，CosFace 代替 ArcFace)，训练大概10个小时，1万个分类，train acc接近到1。跟大家分享一下。代码：https://github.com/piginzoo/arcface-pytorch

@sagniklp i submit the doc3d request from for week, not get any reply, pls help to check.

for fix-length text, its easy, you can fix the max length & min length to same value, like: config.xxx.yml: ``` MAX_LENGTH : 4 # 可能的最大长度（字符数） MIN_LENGTH : 4 # 可能的最小长度（字符数）...

i test it with max=min=10, the result is ok, so, you can try again. below is my runtime config file: [config.alphabeta.yml.zip](https://github.com/piginzoo/syntext/files/4835086/config.alphabeta.yml.zip) and the command is : bin/run.sh --dir data/output --worker...

unfortunately, i did not re-produce the paper, no time to continue the project, sorry for it.

是的，要到字符级别的，为此我写了一个labelme项目，可以在我github里找到。 论文里也是先用生成样本训练，再用真实样本调优。 不过我一直没能完全复现，现在忙工作上的事，没有再继续了。

哈哈，是，我喜欢第一个

运行 bin/crawler.sh就可以，有点小bugs，我修复了