liguiyuan

@AderonHuang I have the same problem with you, could you tell me how did you solve it in the end? thank you

@JCBourne97 Hi, I have the same problem as you, can tell me how to solve this problem, thank you~

@guoqiangqi 请教一下，backbone网络的输出是196个[0, 1]区间的小数，换算为实际坐标的方法是：分别对应乘以[height, weidth]；我现在输出取辅助网络auxiliary的输出来算姿态，得到的输出是pitch，yaw， roll 三个小数，范围在[-1, 1]之间，那么我要怎么把三个小数转化为具体的角度呢，请指点一下。

> 分支网络直接预测角度，角度的 GT 根据 3D标准模型的关键点坐标和人脸的标注坐标就可以计算得到。 通过训练数据的关键点和3D标准模型来计算姿态这部分是看了。不好意思，我没表达清楚，我现在是用训练好的模型来预测姿态，好像有2个实现的方法： 1.跑inference直接取分支网络的输出，但是这个输出是3个小数，范围在[-1, 1]之间，不知道怎么转换为角度GT. 2.通过跑inference 主网络得到关键点，再和3D标准模型来计算角度GT. 我现在卡在问题1了，没弄清楚。当然方法2是可以解决的，就是时间成本问题。

原来如此啊，终于弄清楚了，感谢大神的详细回复！

> 各位老哥： > 我训练完后模型文件很大 > .meta文件有140M > .data-00000有8M多 > > 就算转换成.pb文件 也要76M > 和作者的模型大了很多呀 > > 有知道怎么优化的呢么 转为pb文件没有那么大呀，我的只有8.8MB左右，如果不要辅助网络只有6.9MB左右

转之前 .meta文件有140M，.data-00000有8.7M，应该是正常的

> > 转之前 .meta文件有140M，.data-00000有8.7M，应该是正常的 > > `def freeze_graph(input_checkpoint,output_graph): > > ``` > # checkpoint = tf.train.get_checkpoint_state(model_folder) > # input_checkpoint = checkpoint.model_checkpoint_path > # 指定输出的节点名称,该节点名称必须是原模型中存在的节点 > output_node_names = "pfld_inference/fc/BiasAdd" > saver...

> 添加训练样本或者修改网络，我都尝试了，最好的效果mean error:0.055，failure rate:0.086；现在准备在移动端测试速度，看能否使用。 可以的话，麻烦分享下修改网络的经验呗~

目前我发现欧拉角估算偏差有点大，可能会影响网络的学习，打算去掉辅助网络再训练看看效果了