Open hao-qiang opened 5 years ago
老师您好
我在使用tensorflow复现wing loss论文，我先使用CNN6模型和L1 loss训练，在但是精度始终不高，在300w数据库上只能达到NME=7.2%。想向您请教一下具体细节：
数据预处理，根据landmark确定bbox（应该与数据库提供的gt bbox一致），增加bbox宽高中的短边使bbox变为方形，扩大bbox至1.2倍。
每一个训练epoch都对训练集重新进行数据增强，-30°~30°随机旋转，50%随机水平翻转，-5%~5%bbox抖动，颜色抖动，高斯模糊。
输入尺寸64x64x3，像素值为0到1，输出xy范围为0到63。
L1 loss的计算方式为：将预测关键点与gt求L1距离，然后对68*2个x、y值求和，再对一个batch求平均。
模型为CNN6，每个卷积层和全连接层都加了5e-4的L2权重正则。
训练优化器为SGD，momentum=0.9，学习率为3e-5到3e-7线性衰减，训练300epochs，batchsize=8。
请问有哪些细节我没注意到，谢谢您。
老师您好
我在使用tensorflow复现wing loss论文，我先使用CNN6模型和L1 loss训练，在但是精度始终不高，在300w数据库上只能达到NME=7.2%。想向您请教一下具体细节：
数据预处理，根据landmark确定bbox（应该与数据库提供的gt bbox一致），增加bbox宽高中的短边使bbox变为方形，扩大bbox至1.2倍。
每一个训练epoch都对训练集重新进行数据增强，-30°~30°随机旋转，50%随机水平翻转，-5%~5%bbox抖动，颜色抖动，高斯模糊。
输入尺寸64x64x3，像素值为0到1，输出xy范围为0到63。
L1 loss的计算方式为：将预测关键点与gt求L1距离，然后对68*2个x、y值求和，再对一个batch求平均。
模型为CNN6，每个卷积层和全连接层都加了5e-4的L2权重正则。
训练优化器为SGD，momentum=0.9，学习率为3e-5到3e-7线性衰减，训练300epochs，batchsize=8。
请问有哪些细节我没注意到，谢谢您。