DRML（2016-CVPR）重现过程记录---（9）问题解决与最终结果

最新推荐文章于 2024-08-22 14:42:06 发布
最新推荐文章于 2024-08-22 14:42:06 发布
阅读量2.4k 收藏 2
点赞数 1
分类专栏： DRML
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011668104/article/details/73251599
版权

之前谈到的现象是单个AU用lmdb和softmax可以正常训练，而采用了multi-label数据输入和multi-sigmoid loss函数层却不能正常训练，后来张君鹏帮我检查，发现是因为输入的数据没有shuffle。后来我发现这个错误刘琳学姐也犯了，大概新入门caffe的人在第一次修改输入层时可能容易犯这个错误。因为一般我们用lmdb时会在命令中添加shuffle，但是新的层一般是不会自动设计这个shuffle的，所以需要人为打乱输入再送进神经网络中去。

 

打乱输入数据之后，处理了BP4D和DISFA数据集，就可以训练测试多个AU了。下面是结果

 

上面是DISFA数据集在DRML上的测试结果

上面是 DISFA数据集在AlexNet, ConvNet, DRML上的结果对比

 

上面是DISFA在DRML上的ROC曲线和AUC值

上面的图是BP4D数据集在DRML, ConvNet, AlexNet下的训练loss

最低0.47元/天 解锁文章
qiaoqiao2332
关注
专栏目录
DRML（2016-CVPR）重现过程记录---（7）问题定位_2
程序媛
05-09 1019
  1, 排除一部分可能性    DRML作者除了他们算法DRML的prototxt以外，还提供了做实验用的AlexNet,ConvNet的prototxt文件。于是，我们直接用AlexNet.prototxt来训练（注意要打开调试开关），打印训练时的网络数据，发现训练基本趋势正常。我们猜测：作者的多标签输入层和loss层，以及我们的数据处理部分，应该基本没有问题。那么为什么采用DRML.p...
DRML（2016-CVPR）重现过程记录---（6）新的尝试与思考-tensorflow?
程序媛
05-05 866
因为没有找到caffe版本的DRML究竟有什么问题导致始终做不出来，我在github上翻作者提供的代码块时发现一些别人重现这份工作的代码。 其中如https://github.com/ejulio/DRML，是修改DRML代码使之适应新的caffe版本 机智的zjp同学直接上github搜索drml，又有了新的发现，有人用tensorflow重现过DRML的工作。譬如：http
【面部识别】数据集合集！
最新发布
Kyzy_1919的博客
08-22 827
由于姿势、表情、太阳镜和帽子等配件的使用以及与物体（例如食物、手、麦克风等）的交互作用的差异，人脸的形状和遮挡有很大差异。CelebA-Dialog具有: 10,177数量的身份，202,599数量的面部图像和每个图像的5个细粒度属性注释: 刘海，眼镜，胡须，微笑和年龄，文本标题和每个图像的用户编辑请求。此数据集中的图像涵盖了较大的姿势变化和背景杂波。CelebA的多样性大，数量大，注释丰富，包括10,177数量的身份，202,599数量的面部图像，以及5个地标位置，每个图像40个二进制属性注释。
DRML（2016-CVPR）重现过程记录---（4）问题与反思
程序媛
05-04 1638
我目前自己做的这个DRML没有达到作者说的效果，这篇博文记录我现在的结果和一些思考。 目前训练的结果是，整个模型震荡十分严重，训练和测试的loss曲线如下图所示 这让我很不能理解。 反思可能的问题： 1，训练集与测试集的选取问题 Disfa plus数据集一共有9个人的视频，我选择最后2人的作为测试集，前面7人的作为训练集。 会不会可能是这样的呢
DRML（2016-CVPR）重现过程记录---（1）caffe+DRML源码编译
程序媛
05-03 1730
Deep Region and Multi-label Learning for Facial Action Unit Detection 文章（2016，CVPR）重现过程记录
DRML（2016-CVPR）重现过程记录---（3）训练模型
程序媛
05-03 891
1，准备图片均值二进制文件（利用caffe自带create_imagenet.sh和 make_imagenet_mean.sh 即可）   由于caffe本身只支持单标签分类（而分类或多分类），所以临时随便写一个二分类的，用caffe自带工具生成二进制均值文件 最后生成mean.binaryproto 2，准备prototxt文件 作者提供了DRML.protot
DRML（2016-CVPR）重现过程记录---（2）数据预处理
程序媛
05-03 1650
根据文章中的介绍：输入的图片大小是200*200的对齐后的人脸，作者设计的网络会自动把200*200的随机选择170*170作为网络训练输入。 这里我用Disfa-plus数据集的五万多张图片做预处理，进行测试 Disfa-plus中有9个人的共57668张图片，其中有AU的有32875张，没有AU的有24793张图片 Disfa-plus提供了类似上述的图片，数据集提供方在Face
Redmon-You-Only-Look-CVPR-2016-paper中文翻译版 (Chinese (simplified))
03-09
### Redmon-You-Only-Look-CVPR-2016-paper中文翻译版关键知识点解析 #### 一、YOLO模型概述 - **作者**：Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 - **机构**：华盛顿大学、艾伦人工智能...
深度学习三维重建 R-MVSNet-CVPR-2019（源码、原文+译文）
08-21
深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet...
深度学习 三维重建 UCS-Net-CVPR-2020 （源码、原文+译文）
08-22
深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-...
DISFA+人脸表情数据集
08-27
内含百度网盘下载链接
Facial-Action-Unit-Detection
04-18
面部动作单位检测 面部动作单元（FAU）是面部的特定区域，可让人们估计图像中所经历的情绪的强度和类型。 FAU编码系统中的每个面部运动都通过其在面部的出现进行编码。 AU编码从0开始并在28结束，第0个编码代表一个中性的面Kong。 尽管在FAU编码系统中存在各种FAU，但大多数应用程序仅使用其中的一些来描述情绪。 这些FAU通常称为主要FAU。 例如，组合在一起的颊部增高（AU6）和唇角牵拉（AU12）的AU代码会带来幸福感（AU6 + 12）。 作为另一示例，该AU码内眉头加注（AU1），眉低（AU4）和唇角压低（AU15）一起得到悲伤（AU1 + 4 + 15）的情感。 AU代码从0开始并在28结束，第0代码对应于中性面。 可以在上找到AU代码及其对应的面部表情的完整列表。 对在BP4D FAU数据集上预先训练的深度ResNet架构进行了轻微修改，即可预测面部表情的强度。 每个AU
Denver Intensity of Spontaneous Facial Action ( DISFA ) 数据集
09-13
Denver Intensity of Spontaneous Facial Action ( DISFA ) 数据集由 27 个视频组成，每个视频 4844 帧，共有 130,788 张图像。动作单元注释处于不同的强度级别，在以下实验中将被忽略，动作单元要么设置要么未设置。DISFA 是从面部表情识别领域流行的更广泛的数据库中选择的，因为微笑的数量很多，即动作单元 12。详细地说，有 30,792 个有这个动作单元集，82,176 个图像有一些动作单元集48,612 张图像根本没有设置动作单元。视频数据太大，无法上传，有需要的可以私信我。
DISFA情绪识别数据集
03-04
DISFA数据集是一个非拟人脸部表情数据库，用于开发自动动作单元检测的计算机算法。
bp测试数据集
09-27
bp神经网络测试小例子用到的数据包，里面的数据仅供测试使用
DRML（2016-CVPR）重现过程记录---（5）问题定位_1
程序媛
05-05 1036
大师姐的建议： 1，把自己生成好的模型参数打印出来，并查看数字是否有异常； 2，重新阅读文章，把逻辑关系理清楚，再对代码进行调试查看。 感谢张君鹏同学的帮助，加快了问题定位的进度。 solver.prototxt的最后增加debug_info: true，使之打印出训练时具体的数据信息。 不知道这里是否有异常，看不懂。 编译pycaffe：进入caffe根目
DRML（2016-CVPR）重现过程记录---（10）代码上传
程序媛
08-19 1862
最近老板让新来的同学做做这个实验练手劲儿。。。 我整理了一下，把代码上传到github了，如果有同学自己实在是搞不定，可以参考一下我的。。。   链接：https://github.com/huqiaoping/drml   代码使用说明 1，先下载caffe并编译通过：https://github.com/BVLC/caffe 2，下载我的代码：https://github.com...
情感数据集DISFA介绍
ChristopherI的博客
06-12 528
AU数据集DISFA简介
RCNN-CVPR14:深度理解与PASCAL VOC竞赛成果
RCNN本身引入了一种新颖的方法，通过候选区域生成（Selective Search）和卷积神经网络对每个候选区域进行分类和定位，从而解决了传统方法的计算效率问题。这使得模型能够在保持一定程度的准确性的同时，显著减少搜索...
评论 23
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值