Joint-Cascade-Face-Detection-and-Alignment
Joint-Cascade-Face-Detection-and-Alignment copied to clipboard
kensun0
训练时GlobalRegression出现的问题
作者您好，我训练完分类器，发现检测结果是对的，但是特征点没有动，debug的时候发现，在全局优化特征点移动的部分，模型是异常的。然后我就跟进了一下训练过程，发现在训练GlobalRegression的时候，出现了这种问题：WARNING reaching max number of iterations。想问一下作者，出现这种问题应该怎么办，需要调训练的迭代次数么？另外，是什么原因会出来这个问题，是不是和训练数据有关系？
我最近改了些东西，你最好看下新版本，虽然跟你这个问题相关度不大。 迭代次数是求解回归的迭代次数，偶尔会有，并不是求解不出来，只是精度不够。 特征点不动的话，是不是点设置的有问题，或者STAGE=0，基本不动。
好的，我回头跟进一下，多谢！特征点的问题，我感觉是训练有问题。我debug的时候，发现训练出来的模型好像有问题，比如，有一些model里的value是-3.04*10^8之类数字（好像还不少），导致一次调整之后就变成INF了。不知道你有没有碰到过这种问题？特征点我用的是LBF训练出来的，68个特征点，感觉没有问题啊。
value貌似不对啊，INF肯定不对，估计是除0了，我没遇到过你的问题。。。你还是跟踪一下吧，是不是像素点出边界什么的，或者你的关键点坐标哪里不对了。。
@kensun0 我找到我这里的问题了，很扯的一个事.....我在我的工程里，不知道怎么回事，居然有两套linear.cpp和linear.h。更奇怪的是，两套里面对于feature_node的定义不一样，一个value是float，另一个value是double。这个错误使得我在训练GlobalRegression和使用它做调整的时候，feature_node数组的读取步长不一样，直接导致了很多错误的数据。 @hanweijing 你那个问题我好像还没碰到。。。
@kensun0 新版本我现在刚在训练。看了一下你们讨论的这个问题，理论上想的话，要想加快选取负样本的速度，一是增加待选负样本（增加空间容量），二是移除已测试拒绝的负样本（提高可用负样本的密度）。而且，可能后者更重要一点。
@kensun0 @hanweijing 我按照新代码训练完了，没有出现很难找负样本的情况。。。。但是。。训练出来的效果比用旧的代码要差是怎么回事，特征点不准确。