请问如何求出P-net的recall，以确定是否适合用于产生R-net的训练集？

[zezepi]

你好，我想请问在求P-net的recall的时候，是使用之前用于训练的正例和反例输入网络，并查看face classcification的结果来求得吗？ 谢谢！

[AITTSMD]

你好，用一个数据集比如FDDB，然后用pnet测试数据集的图片，将测试的结果与groundtruth比较，比如测试的Bbox与gt的IOU大于0.5，那么这个人脸就被检测正确。检测正确的人脸数除以总的人脸数就是召回率～

[zezepi]

十分感谢！具体来说是这样吗：将FDDB的测试集缩放产生Image pyramid，然后输入网络得到所有的被网络认为是人脸的bbox，然后来测试bbox与gt的IOU，并且要确认图片中被检测到的人人脸数从而得到recall。 另外不知道我这样理解对不对：是不是是可以适当调整P_net的cls_prob（认为是人脸的概率）和IOU的阈值（比如您说的大于0.5）来获得令自己满意的recall precision等参数？

[AITTSMD]

@zezepi IOU和cls_prob算是两个超参数，可以这样做，但如果产生的样本太多，可能会影响速度。

[zezepi]

@AITTSMD 我看了下FDDB的数据集，它的bbox表示方法是椭圆的，你是怎么解决的呢？

[zzzzzz0407]

@zezepi 不是椭圆的，你看一眼label，是框的位置。只是他也可以利用技巧去做椭圆罢了

[TengliEd]

你好，用一个数据集比如FDDB，然后用pnet测试数据集的图片，将测试的结果与groundtruth比较，比如测试的Bbox与gt的IOU大于0.5，那么这个人脸就被检测正确。检测正确的人脸数除以总的人脸数就是召回率～

@AITTSMD 请问代码在哪呀？