MTCNN训练
数据
人脸检测和人脸框回归:WIDER_FACE
特征点标定:Celeba
解释下什么全卷积网络,就是用一个卷积核卷积图片,所以只要图片的宽高大于卷积核的尺寸,都可以卷,卷出来的结果就是图像金字塔上的上一层。
例:Pnet
w0 =12 h0 =12 stride =3,k =1
w1 = cell( (width -stride)/k )+1 =10,h1 = cell( (height-stride)/k )+1 =10;
对于全卷积的优化: 卷积stride代替maxpool;如stride为2做3*3的卷积,那么上面的Pnet结果如下
w0 =12 h0 =12 stride =3,k =2
w1 = cell( (width -stride)/k )+1 =5,h1 = cell( (height-stride)/k )+1 =5;
对于训练,Github上给出来的loss函数基本有问题,可以说明的就是没有做正则化;还有pnet训练堆叠严重的情况下,用一下hardsample就行了,我比较懒,直接用的作者的caffemodel生成的hardsample作为pnet的训练