传奇你好，我将ssd结构改成sfd并使用wider face数据集做人脸检测的时候，一开始loss是收敛的（刚开始大概），然后在loss=8的时候震荡

[wanghanyang123]

我现在用您的mobilenet+ssd网络训练，只修改num_classes，也有loss在8附近震荡这个情况，不知道是什么问题。

[wanghanyang123]

一开始loss是收敛的（刚开始大概20左右），抱歉没打完字。。

[yokings]

我用mobilenet_v2训练人脸也差不多是这个情况，好奇怪，loss一直在8附近震荡。

[wanghanyang123]

找到问题所在了，网络太深训练的时候梯度消失导致loss无法收敛，我删除了conv11前的大概10个卷积层，自己再稍微调整下就能收敛了。@allenwangcheng

[yokings]

好的，我也去试试看

[yokings]

@wanghanyang123 你的人脸检测效果怎么样啊？

[wanghanyang123]

在fddb上准确率能达到97%，速度在CPU上测试能到8FPS（I7-7700）。@allenwangcheng

[yokings]

@wanghanyang123 能把你的train.prototxt分享给我看下吗，训练有什么trick吗？我用v2训练对小人脸检测效果很差啊，还有对数据集需要做清洗吗？

[wanghanyang123]

邮箱留一下，ssd在wider face上的训练和检测效果很差是正常的，因为小脸太多了，你可以看下sfd的论文和代码，适用于小脸检测。我对数据没有做任何处理，不过我尝试过对面积小于256的人脸做了mask再作为训练集，但是效果提升不明显。@allenwangcheng

[yokings]

@wanghanyang123 allenwangcheng@163.com，非常感谢分享

[yokings]

@wanghanyang123 ,你好啊，我看了你的prototxt,感觉你只用了33和11的卷积，并没有使用depthwise卷积吧，还有batch_sampler后面几个怎么参数都一样啊。。。

[wanghanyang123]

1.我把depthwise卷积层和separable卷积层的名字改了一下，卷积层名字中并没有出现dw和sp，本来就是只有33和11的卷积核，分别是给dw层和sp层用的。 2.我删除了bn层和scale层，你可以加上，这个没有影响。 3.batch_sampler参数和均值我用的sfd里的，因为考虑到用的是wider face数据集，这些都是计算好的了。 4.我删除了group操作（mobilenet里最重要的操作），你可以加上，这样模型就很小了，但是收敛的的速度会变慢。 @allenwangcheng

[yokings]

不用group就不是depth wise 卷积了吧……

	王程 邮箱：allenwangcheng@163.com

签名由 网易邮箱大师 定制

在2018年07月05日 09:34，Wang 写道：

1.我把depthwise卷积层和separable卷积层的名字改了一下，卷积层名字中并没有出现dw和sp，本来就是只有33和11的卷积核，分别是给dw层和sp层用的。 2.我删除了bn层和scale层，你可以加上，这个没有影响。 3.batch_sampler参数和均值我用的sfd里的，因为考虑到用的是wider face数据集，这些都是计算好的了。 4.我删除了group操作（mobilenet里最重要的操作），你可以加上，这样模型就很小了，但是收敛的的速度会变慢。 @allenwangcheng

— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

[wanghanyang123]

是的，不是depth wise卷积了。加上group我也试过，模型收敛变慢，准确率下降了很多，速度也没有变快很明显。所以我这个是改后的。。@allenwangcheng

[yokings]

哦哦，你试过用mobilenetv2的结构没，还有pooling层是你自己加的吧

	王程 邮箱：allenwangcheng@163.com

签名由 网易邮箱大师 定制

在2018年07月05日 11:26，Wang 写道：

是的，不是depth wise卷积了。加上group我也试过，模型收敛变慢，准确率下降了很多，速度也没有变快很明显。所以我这个是改后的。。@allenwangcheng

— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

[wanghanyang123]

没用mobilenet_v2，pooling层是我改的，把第一个stride=2的卷积用pooling层代替，我就是尝试是哪个环节导致模型不收敛的时候改了一下这里了的，后来我又改回来了试过，这里并没有影响，你也可以改成mobilenet中的那样。电脑里改的版本太多了，有点乱。@allenwangcheng

[yokings]

嗯呢，感谢感谢

	王程 邮箱：allenwangcheng@163.com

签名由 网易邮箱大师 定制

在2018年07月05日 11:31，Wang 写道：

没用mobilenet_v2，pooling层是我改的，把第一个stride=2的卷积用pooling层代替，我就是尝试是哪个环节导致模型不收敛的时候改了一下这里了的，后来我又改回来了试过，这里并没有影响，你也可以改成mobilenet中的那样。电脑里改的版本太多了，有点乱。@allenwangcheng

— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

[yokings]

@wanghanyang123 请问你最后的loss大概是多少啊？还有deploy最后的两个阈值和topk需要调整吗？

[wanghanyang123]

最终loss在2.5左右。大概训练20个epoch，loss降到3的时候检测效果就还算可以了。nms_threshold: 0.3， keep_top_k: 750， confidence_threshold: 0.1，这个影响不太大。@allenwangcheng

[yokings]

为啥我用你给我的模型训练，最后的loss最后到3.几就不下降了，测试的时候框很多，完全不work，需要调整你给我的prototxt吗

	王程 邮箱：allenwangcheng@163.com

签名由 网易邮箱大师 定制

在2018年07月06日 08:55，Wang 写道：

最终loss在2.5左右。大概训练20个epoch，loss降到3的时候检测效果就还算可以了。nms_threshold: 0.3， keep_top_k: 750， confidence_threshold: 0.1，这个影响不太大。@allenwangcheng

— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

[wanghanyang123]

我最后在测试代码里加上了仅显示概率大于0.7的框。。。 confidence_threshold: 0.1是用来生成更多的框在fddb数据集上测试用的。@allenwangcheng

[cherryxiongyw]

@wanghanyang123 @allenwangcheng 你好，我现在也用ssd训练人脸检测，但训练起来感觉有问题，loss一直为0，能把你们的train.prototxt分享看一下吗， 刚开始用caffe，好多地方不熟

[wanghanyang123]

loss为0是数据集的问题，我现在用voc中提取到的行人数据来做行人识别，训练的时候也遇到了loss=0的问题，暂时没找到是哪里出了点毛病，数据集生成方式和步骤和wider face都是一样的。@cherryxiongyw

[yokings]

是的，我之前也遇到过loss为0的情况，具体问题记不清了，但肯定是数据集的问题

	王程 邮箱：allenwangcheng@163.com

签名由 网易邮箱大师 定制

在2018年07月09日 08:57，Wang 写道：

loss为0是数据集的问题，我现在用voc中提取到的行人数据来做行人识别，训练的时候也遇到了loss=0的问题，暂时没找到是哪里出了点毛病，数据集生成方式和步骤和wider face都是一样的。@cherryxiongyw

— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

[yokings]

@wanghanyang123 你的sfd有demo和测试效果图片方便发给我看下不，我用你的prototxt和我自己写的mobilenet_v2版本的sfd测试结果都很奇怪，框都很多，而且得分都很低，很奇怪啊，最后的训练loss看起来是正常的啊，在3左右。

[leadalion]

@wanghanyang123 @allenwangcheng 您好，可以把您改后的train.prototxt文件发给我一份吗，谢谢。ponderme@163.com

[tianhan2014]

@wanghanyang123 您好，可以把您修改的train.prototxt文件发一份吗，谢谢。972828002@qq.com

[jackyfriend]

@wanghanyang123 您好，可以把您修改的train.prototxt文件发一份吗，谢谢. 875393853@qq.com

[hematank]

@wanghanyang123 您好，可以把您修改的train.prototxt文件发一份吗，谢谢咯！ 827085762@qq.com

[wanghanyang123]

@hematank @jackyfriend @tianhan2014 @leadalion https://pan.baidu.com/s/1ZqA3mhMbtaO9JoFku0zRJQ

[aureosun]

各位大家好，我在训练的时候都正常，但跑demo.py出现了以下错误，不知道是什么原因，目前还没解决，不知道大家有没有好的解决方案，或者遇到过类似问题？ I1123 19:20:37.463002 13525 net.cpp:165] Memory required for data: 126091776 I1123 19:20:37.463008 13525 layer_factory.hpp:77] Creating layer conv8/dw I1123 19:20:37.463021 13525 net.cpp:100] Creating Layer conv8/dw I1123 19:20:37.463027 13525 net.cpp:434] conv8/dw <- conv7 I1123 19:20:37.463037 13525 net.cpp:408] conv8/dw -> conv8/dw F1123 19:20:38.318675 13525 cudnn_conv_layer.cpp:53] Check failed: status == CUDNN_STATUS_SUCCESS (4 vs. 0) CUDNN_STATUS_INTERNAL_ERROR Check failure stack trace: Aborted (core dumped) 环境是anaconda2,ubuntu16.04 @wanghanyang123 @allenwangcheng @cherryxiongyw @leadalion @chuanqi305

[wanghanyang123]

caffe编译问题，根据自己的cuda版本设置Makefile.config里的cudnn选项，可自行百度解决。@aureosun

[hematank]

loss为0是数据集的问题，我现在用voc中提取到的行人数据来做行人识别，训练的时候也遇到了loss=0的问题，暂时没找到是哪里出了点毛病，数据集生成方式和步骤和wider face都是一样的。@cherryxiongyw

loss为0,很可能是生成lmdb数据格式出现问题。可以找一哈网上解析lmdb格式的代码，自己watch一哈图片和标签吧。实际经历过，放心。

[hematank]

最终loss在2.5左右。大概训练20个epoch，loss降到3的时候检测效果就还算可以了。nms_threshold: 0.3， keep_top_k: 750， confidence_threshold: 0.1，这个影响不太大。@allenwangcheng

赞同，我训练1类车的模型，最好的模型，loss基本上在1.8～2.2之间吧。detect_eval能上0.82

[yokings]

最终loss在2.5左右。大概训练20个epoch，loss降到3的时候检测效果就还算可以了。nms_threshold: 0.3， keep_top_k: 750， confidence_threshold: 0.1，这个影响不太大。@allenwangcheng

赞同，我训练1类车的模型，最好的模型，loss基本上在1.8～2.2之间吧。detect_eval能上0.82

我训练行人检测模型detect_eval能上0.86，然而并没有什么卵用，检测的结果还是不是很理想。

[ouguozhen]

@wanghanyang123 @allenwangcheng 你好，我现在也用ssd训练人脸检测，但训练起来感觉有问题，loss一直为0，能把你们的train.prototxt分享看一下吗， 刚开始用caffe，好多地方不熟

ssd里面loss值一直为０的话是数据问题，当前batch的gt的数目为0，可以看一下代码或者论文里都有解释

[xcls1117]

@wanghanyang123 请教三个问题：

1. 对于训练集，训练前需要对图片做padding把长宽比转成1：1吗？
2. widerface里的小脸，训练前有做什么特殊处理吗？比如筛选掉小于某个大小的脸。
3. 需要对widerface做清洗吗？

[wanghanyang123]

@xcls1117

1. 这个不是必须的，根据训练集图片的尺寸来定，如果是widerface的训练集，建议设置成正方形的。
2. 最好筛选掉小于16*16以下的人脸，不然小人脸太多，模型收敛效果不好，参考faceboxes的训练集预处理。
3. 不需要。

[xcls1117]

@wanghanyang123 谢谢你的回答，关于问题1,如果你的网络输入不是1：1,那么是否跟随网络输入比例最好呢

[xinxin12345]

在fddb上准确率能达到97%，速度在CPU上测试能到8FPS（I7-7700）。@allenwangcheng

您好，请问您可以分享一下您训练用的caffe工程吗，非常感谢！邮箱：18305154989@163.com

[destroyhang]

@wanghanyang123 你好，我用您的mobilenet训练出来了人体和人头两个类别的模型。但是在做摄像头检测的时候，经常会有误检测的情况，模型的loss大概在1.2左右。一些大面积的灰黑色会误检成人体，还有一张写了字的纸也会被识别成人体，请问有什么办法可以解决这个问题吗

[wanghanyang123]

@destroyhang 这是分类的问题,简单的解决办法可适当提升分类Loss权重,加一些容易出现误检的图片并带标注(由于标准ssd的mining方式,这张图片必须有人脸才会对应产生负样本并在训练的时候mining).复杂的解决办法需要修改ssd的一系列训练代码,caffe可操作性太差.