于老师您好，我之前跑过您开源的caffe模型（<a href="https://github.com/ShiqiYu/libfacedetection/tree/maste

没区别模型不同，v3模型更大一些，比v1准确率更高一点 <p d

没区别模型不同，v3模型更大一些，比v1准确率更高一点 </blo

和原始版本caffe模型的区别,about shiqiyu/libfacedetection.train

ShiqiYu commented on August 23, 2024

没区别
模型不同，v3模型更大一些，比v1准确率更高一点

from libfacedetection.train.

fire717 commented on August 23, 2024

没区别

模型不同，v3模型更大一些，比v1准确率更高一点

谢谢于老师解答，我最近在尝试用keras实现训练，后面训练完想对比下训练效果。
我看这个pytorch的训练annotation是包含了所有的训练集和验证集的，然后测试map是在验证集上进行，也就是说测试的数据在训练的时候用过，这样理解有问题吗？
再次感谢。

from libfacedetection.train.

fengyuentau commented on August 23, 2024

没区别

模型不同，v3模型更大一些，比v1准确率更高一点

谢谢于老师解答，我最近在尝试用keras实现训练，后面训练完想对比下训练效果。
我看这个pytorch的训练annotation是包含了所有的训练集和验证集的，然后测试map是在验证集上进行，也就是说测试的数据在训练的时候用过，这样理解有问题吗？
再次感谢。

@fire717 你好。
$libfacedetection.train/data/WIDER_Face_rect/annotations下包含了WIDER Face train和val的标注，但是训练的时候

libfacedetection.train/tasks/task1/train.py

Line 104 in 9ac244c

dataset_rect = FaceRectLMDataset(training_face_rect_dir, img_dim, rgb_mean)

libfacedetection.train/src/data.py

Lines 293 to 315 in 9ac244c

    
           class FaceRectLMDataset(data.Dataset): 
        
               """Face data set with rectangles and/or landmarks 
        
               If there is landmark data for that face, the landmarks will be loaded 
        
               Otherwise, the landmark values will be zeros 
        
               input is image, target is annotation 
        
               Arguments: 
        
                   root (string): filepath to WIDER folder 
        
                   target_transform (callable, optional): transformation to perform on the 
        
                       target `annotation` 
        
                       (eg: take in caption string, return tensor of word indices) 
        
               """ 
        
               def __init__(self, root, img_dim, rgb_mean): 
        
                   self.root = root 
        
                   self.preproc = PreProc(img_dim, rgb_mean) 
        
                   self.target_transform = AnnotationTransform() 
        
                   self._annopath = os.path.join(self.root, 'annotations', '%s') 
        
                   self._imgpath = os.path.join(self.root, 'images', '%s') 
        
                   self.ids = list() 
        
                   with open(os.path.join(self.root, 'img_list.txt'), 'r') as f: 
        
                       self.ids = [tuple(line.split()) for line in f]

是从$libfacedetection.train/data/WIDER_Face_rect/img_list.txt中读取图片和标注文件的列表的，这个文件中所有的图片都是来自于WIDER Face train的。这个你可以自行验证一下。

因此，训练的数据并没有包括WIDER Face的验证集。

from libfacedetection.train.

和原始版本caffe模型的区别 about libfacedetection.train HOT 3 CLOSED

Comments (3)

Related Issues (20)

Recommend Projects

React

Vue.js

Typescript

TensorFlow

Django

Laravel

D3

Recommend Topics

javascript

web

server

Machine learning

Visualization

Game

Recommend Org

Facebook

Microsoft

Google

Alibaba

D3

Tencent

	class FaceRectLMDataset(data.Dataset):
	"""Face data set with rectangles and/or landmarks
	If there is landmark data for that face, the landmarks will be loaded
	Otherwise, the landmark values will be zeros

	input is image, target is annotation

	Arguments:
	root (string): filepath to WIDER folder
	target_transform (callable, optional): transformation to perform on the
	target `annotation`
	(eg: take in caption string, return tensor of word indices)
	"""

	def __init__(self, root, img_dim, rgb_mean):
	self.root = root
	self.preproc = PreProc(img_dim, rgb_mean)
	self.target_transform = AnnotationTransform()
	self._annopath = os.path.join(self.root, 'annotations', '%s')
	self._imgpath = os.path.join(self.root, 'images', '%s')
	self.ids = list()
	with open(os.path.join(self.root, 'img_list.txt'), 'r') as f:
	self.ids = [tuple(line.split()) for line in f]