mtcnn(cascaded network)
1 数据集的准备(widerface celeba):
负样本,正样本,部分样本,关键点样本比例=3:1:1:2,正负样本以及部分样本从widerface数据集选出,选择规则为:计算IOU的值,如果该值大于0.65则为正样本,IOU小于0.3定为负样本,IOU范围在0.4到0.65之间的设置为partive数据。关键点样本从celeba数据集中选出,
可以根据标注的边框,在满足正样本的要求下,随机裁剪出图片,然后调整关键点的坐标.
2;模型结构:
三个模型的对比:R-net相比于p-net增加了一个全连接层,目的是通过边框回归和NMS降低fp(这点不是很明白,改天问问大神再更新),O-net是在R-net的基础上增加了卷积层,提高检测的精度。p-net到R-net的输入时用到了resize,同理,R-net到O-net的输入也用到了resize.每个网络的阈值设定一次递增,原因在于经过之前的边框回归以及NMS处理,后续模型的置信度值会变大。