1.计算IOU的原算法横纵坐标都加一
2.第一步取12x12 neg图片只有50张 可以增加样本数量
3.将原本五个关键点的部位改成了20个关键点
4.把计算关键点包围盒的算法中参数 0123 改成了 0213
5.pos 正向数据量太小了 ,远小于neg 数据
6.生成tfrecord 的py文件尚未改进
7.训练模型调整学习率lr
8.数据量不够,只有337个IBUG数据集图片
9.训练步骤可由1000提高,同时动态变化学习率
10.训练Rnet过程中精度测试一直在 0.75 有问题
11.测试结果读取ONet模型有问题,box为空
12.保存参数模型的条件设置有更改
13.pos neg part 归一化的标记均为二位小数,可以更加精确一些
(训练模型精度一直为0.75的原因:
修改算法人脸原标记点是5 个,但是 嘴巴是20个标记点,只取前五个标记点没有训练效果)
14.pnet卷积核个数为 10
15.裁剪图象的处理 对delta_x 的取值计算
16.处理标记点的时候直接把 20,2的数组 reshape成 40
17.生成imglist时 把neg 的样本基数由5w改成 base的三倍
18.detector_face 在gen_hardexample中可以只读取一个图片用来测试吗?为什么可以测试很多图片。
pfld:
1.计算欧拉角
2.8层conv 细节