YuanQi
YuanQi
目前我使用自己的标定数据完成了mtcnn的训练,发现模型的检测效果比较查,测试准确度为85%。然后发现很多人脸图片在rnet中无法检测出来。 此时,我拿出了七千张的测试数据来进行pnet的召回率计算,结果不太理想,只有85%左右。想问下,如何来提高召回的效果呢?以及提高效果后,又该如何来提高rnet的检测效果呢? 详情如下: ``` recall 1) 84% iou: 0.65 thresh: 0.6 2) 86% iou: 0.65 thresh: 0.5 ``` 我召回率的计算是: 1) 对人脸图片进行推理得到bbox 2) bbox与人脸图片对应的gt框进行iou计算,得到每个人脸bbox对应最大iou结果 3) 计算iou结果中大于阈值的框数与并与gt框数相除
目前是使用自己的数据集训练,然后在pnet上的召回是94.7%, 但是到了rnet的召回只有85%。 想问下rnet召回率低的情况下如何来进行改进呢?
我看到代码中对图像归一化时,使用的是先减去127.5然后再除以128. 这样做归一化有啥好处呢?
大神,求问如果图片中只有侧脸或者半张脸时,我们五个关键点中可能有些点是重合的,比如当侧脸90度时,左右眼重合,这时我们可以用缺省的landmark或者带有重合点的landmark数据来训练mtcnn么?
如何识别昏暗光线下的人脸呢? 目前发现在昏暗光线下,检测不出人脸来,如何才能优化这部分呢?大神是否有建议?
楼主,请问,如果验证码有两行,这个该怎么识别呢?
H2O AutoMl can help users choose the model, but can help users choose parameters for a certain model?
how to predict in inference with eager mode? i find model file without .meta. so how to predict it?
thank u share the 3d model for us, if i want to train model with my own data ,how to do it ?
大家冷静点,薄老师团队还是蛮厉害的