Wang

You could use this: https://github.com/weiliu89/caffe/tree/ssd, code of the author of SSD.

一开始loss是收敛的（刚开始大概20左右），抱歉没打完字。。

找到问题所在了，网络太深训练的时候梯度消失导致loss无法收敛，我删除了conv11前的大概10个卷积层，自己再稍微调整下就能收敛了。@allenwangcheng

在fddb上准确率能达到97%，速度在CPU上测试能到8FPS（I7-7700）。@allenwangcheng

邮箱留一下，ssd在wider face上的训练和检测效果很差是正常的，因为小脸太多了，你可以看下sfd的论文和代码，适用于小脸检测。我对数据没有做任何处理，不过我尝试过对面积小于256的人脸做了mask再作为训练集，但是效果提升不明显。@allenwangcheng

1.我把depthwise卷积层和separable卷积层的名字改了一下，卷积层名字中并没有出现dw和sp，本来就是只有33和11的卷积核，分别是给dw层和sp层用的。 2.我删除了bn层和scale层，你可以加上，这个没有影响。 3.batch_sampler参数和均值我用的sfd里的，因为考虑到用的是wider face数据集，这些都是计算好的了。 4.我删除了group操作（mobilenet里最重要的操作），你可以加上，这样模型就很小了，但是收敛的的速度会变慢。 @allenwangcheng

是的，不是depth wise卷积了。加上group我也试过，模型收敛变慢，准确率下降了很多，速度也没有变快很明显。所以我这个是改后的。。@allenwangcheng

没用mobilenet_v2，pooling层是我改的，把第一个stride=2的卷积用pooling层代替，我就是尝试是哪个环节导致模型不收敛的时候改了一下这里了的，后来我又改回来了试过，这里并没有影响，你也可以改成mobilenet中的那样。电脑里改的版本太多了，有点乱。@allenwangcheng

最终loss在2.5左右。大概训练20个epoch，loss降到3的时候检测效果就还算可以了。nms_threshold: 0.3， keep_top_k: 750， confidence_threshold: 0.1，这个影响不太大。@allenwangcheng

我最后在测试代码里加上了仅显示概率大于0.7的框。。。 confidence_threshold: 0.1是用来生成更多的框在fddb数据集上测试用的。@allenwangcheng