用caffe训练，误检较多

[stone226]

我用caffe训练的，暂时没有关键点任务，也没ohme.训练比例1:1:3（pos,part,neg），训练后，三个网络的准确率在92 93 95 左右，网络收敛。 问题 1 测试发现最后误检较多。 2 用pnet生成hard样本的时候，发现只能有2w左右的pos生成（与你的14w，差异很大）；于是，我在训练rnet的时候是按照类似前面直接随机裁剪的方式生成的正样本，负样本是用pnet检测生成的。另外，我特意用原作者开放的模型，用它的pnet,发现也只有2w左右的pos生成。 3 目前，我对比，与你做样本的方式是一样，采用的也是同样数据集（widerface）。区别是，我没做关键点任务，ohem,l2loss,但这些应该不会影响很大。 求建议。

[chiukeung]

@stone226 你是用的CongWeilin的那个方法吗？

[stone226]

@chiukeung 只参考了一部分，但没用其中的pythonlayer.方便加我Q吗 1589735919 交流下

[AITTSMD]

@stone226 @chiukeung 我之前用caffe复现mtcnn时，就发现产生的正样本数目很少，召回率很低，一直没找到原因，所以才换成TensorFlow了。

[grainw]

@AITTSMD 能提供下用caffe 复现mtcnn 的代码吗？一直没找到一个合适的项目用caffe 训练mtcnn，总是走不通