20170929进行更新:将代码传至github上。网址:https://github.com/KaiJin1995/MTCNN-VGG-face。
该网络可以直接进行人脸检测、识别以及陌生人报警。构成安全防盗系统。
----------------------------------------------------------------------
在使用VGG进行人脸训练过程中,我是用log日志记录了训练过程中的数据。训练过程中的参数对于训练而言,有着较大的影响,参数设置不当,(1)容易出现训练结束,但未收敛到最佳状态。(2)早就收敛,迭代次数过多,浪费时间。
本篇博客主要讲述我在使用VGG训练人脸的过程中,迭代次数对于训练效果的影响。以及,对LFW测试集准确率的影响。
首先,采取VGG11训练网络,将VGG11训练网络后得到的caffemodel送至VGG16进行fintune。
训练结束后,我们提取VGG的fc7的值作为特征向量。通过比较特征向量之间的距离,我们可以衡量两个不同人脸之间的差距。
一、VGG11网络训练。
VGG11初始值为高斯。训练采用VGG11,
表1.1 VGG迭代10万次训练情况
Learning rate | iteration | Loss | Accuracy |
0.025 | 2W | 9->6 | 0.08 |
0.0025 | 2W | 6->3 | 0.447625 |
0.00025 | 2W | 3->2 | 0.554812 |
0.000025 | 2W | 不变 | 0.57 |
0.0000025 | 2W |