学习率:开始的学习率0.1
前面放大的深层特征,后面放小特征,
大特征,轮廓,后面放小特征,鼻子,研究,耳朵之类的
异常1:map很小,如果距离很小
说明政府样本混在一起,么有区分开,
哪边loss大,说明没有收敛好,应该加大loss系数
哪边loss小,说明收敛好,不应该加大loss系数
异常2:距离比较大, 但是不收敛
哪边收敛不好,哪边loss加大
异常3:长期相持不下,loss都比较小,准确率不涨
微加pos系数,正样本偏少,loss偏弱
loss改进,分级加强,没法用bceloss
网络改进,比如参考peleenet
网络通道应该逐渐变多,需要区分10万,百万。
开始的时候合适距离是1.38,后来,距离调大到1.7
说明同一个人的距离被拉大了,负样本loss偏大了,解决方法:增大正样本loss系数
突然有个想法:正样本少,负样本多