预训练模型的prototxt配置

[youzai001]

下载了预训练模型，里面没有看到train_val.prototxt。查看了deploy.prototxt, train_val.prototxt跟example.prototxt配置不同吗？

[gehaocool]

train所用prototxt的最后Loss部分和example.prototxt里面是类似的

[youzai001]

@gehaocool 谢谢回复，方便提供预训练模型文件的prototxt吗？我使用example.prototxt在小数据量私有数据集上训练出来的效果不理想。

[gehaocool]

我放出的那个36层模型是带BN的，从deploy.prototxt中就能看出来，除了这一点以及层数之外同example.prototxt没有任何区别。 不知道你是否测试过我放出的模型效果，同你自己训练的相比有什么差距？

[youzai001]

有测试过你放出来的模型，效果比我训练的好很多，也有可能是我的数据量太小的原因

[Wentao795]

你好，请问你能给出log文件吗？我最近在训练中遇到一些问题，希望做个参考，谢谢。 @gehaocool

[liuzhonghuacd]

有测试过你放出来的模型，效果比我训练的好很多，也有可能是我的数据量太小的原因

您好，我想知道你测试的同一个人的人脸图像相似度值是多少，我测试的结果怎么是0.4-0.7之间，大部分都在0.5左右，感觉不是很对啊。

[youzai001]

您好，我想知道你测试的同一个人的人脸图像相似度值是多少，我测试的结果怎么是0.4-0.7之间，大部分都在0.5左右，感觉不是很对啊。

差不多是这样，能区分出来就行。特别是证件上的照跟摄像机抓拍的照片相似度是比较低的。不同人能区分就行。用私有数据训练也是因为每个人增加了证件照样本。

[liuzhonghuacd]

您好，我想知道你测试的同一个人的人脸图像相似度值是多少，我测试的结果怎么是0.4-0.7之间，大部分都在0.5左右，感觉不是很对啊。

差不多是这样，能区分出来就行。特别是证件上的照跟摄像机抓拍的照片相似度是比较低的。不同人能区分就行。用私有数据训练也是因为每个人增加了证件照样本。

谢谢回复。

[shiyuanyin]

@youzai001 您好，作者，请问您的normalize层的实现和caffe里面原有的normalize实现，的主要区别是什么昵？

[shiyuanyin]

@youzai001 您好，请问，prototxt,文件中在后面的两个全连接处都有normalize,归一化，这两处调用的归一化不一样。innerproduct.cpp，下的nornalize, 和normalize.cpp下的normalize，这两处的归一化有什么区别吗？

[shiyuanyin]

@gehaocool 您好，请问，prototxt,文件中在后面的两个全连接处都有normalize,归一化，这两处调用的归一化不一样。innerproduct.cpp，下的nornalize, 和normalize.cpp下的normalize，这两处的归一化有什么区别吗？

[gehaocool]

@shiyuanyin 这两处的normalize原理应该是一样的，但是具体实现的计算过程不太一样。 在innerproduct layer里想要normalize的是参数矩阵W，这个没法用normalize layer来做，所以直接写在innerproduct layer的实现里面了

[gehaocool]

@youzai001 @wangwentaodeheimaojingzhang @liuzhonghuacd @shiyuanyin 各位，我发了训练log，solver.prototxt和model.prototxt 其实我总有一种感觉我的实现什么地方有问题，如果大家发现什么bug及时反馈哈。

[Wentao795]

@youzai001 您好，首先感谢您放出log。请问您对格林深瞳这个数据做过数据清洗吗？我发现，这个数据里面任然有很多噪声图片。感谢！！！！！！！！！！

[gehaocool]

@wangwentaodeheimaojingzhang 没有做清洗

[wavelet2008]

求群主指点收敛：Test net output #0: accuracy@1 = 0.994981 I0628 09:55:01.343813 27908 solver.cpp:414] Test net output #1: focal_loss = 5.05713 (* 1 = 5.05713 loss) I0628 09:55:01.989528 27908 solver.cpp:239] Iteration 84000 (0.24678 iter/s, 162.088s/40 iters), loss = 6.55423 "Scale" value 45 有什么办法减低loss 与accuracy@1 提升到0.998

[shiyuanyin]

加数据，换模型，改模型，

------------------ 原始邮件 ------------------ 发件人: "wavelet2008"notifications@github.com; 发送时间: 2019年6月28日(星期五) 上午10:07 收件人: "gehaocool/CombinedMargin-caffe"CombinedMargin-caffe@noreply.github.com; 抄送: "史诗"892781037@qq.com;"Mention"mention@noreply.github.com; 主题: Re: [gehaocool/CombinedMargin-caffe] 预训练模型的prototxt配置 (#5)

求群主指点收敛：Test net output #0: accuracy@1 = 0.994981 I0628 09:55:01.343813 27908 solver.cpp:414] Test net output #1: focal_loss = 5.05713 (* 1 = 5.05713 loss) I0628 09:55:01.989528 27908 solver.cpp:239] Iteration 84000 (0.24678 iter/s, 162.088s/40 iters), loss = 6.55423 "Scale" value 45 有什么办法减低loss 与accuracy@1 提升到0.998

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

[wavelet2008]

同样的数据与模型 sphereface 收敛到0.998，如果不改变训练数据与模型，单单调整CombinedMargin 可以达到同样的效果，如m1 m2 m3调整

[shiyuanyin]

好的，我没有做这个模型实验，lfw 数据太少了，如果你用更多的数据试一下结果还是变高了，说明损失函数确实可以进一步提升性能

------------------ 原始邮件 ------------------ 发件人: "wavelet2008"notifications@github.com; 发送时间: 2019年6月28日(星期五) 上午10:16 收件人: "gehaocool/CombinedMargin-caffe"CombinedMargin-caffe@noreply.github.com; 抄送: "史诗"892781037@qq.com;"Mention"mention@noreply.github.com; 主题: Re: [gehaocool/CombinedMargin-caffe] 预训练模型的prototxt配置 (#5)

同样的数据与模型 sphereface 收敛到0.998，如果不改变训练数据与模型，单单调整CombinedMargin 可以达到同样的效果，如m1 m2 m3调整

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

[wavelet2008]

好的，我没有做这个模型实验，lfw 数据太少了，如果你用更多的数据试一下结果还是变高了，说明损失函数确实可以进一步提升性能

群主理论上 CombinedMargin loss 比sphereface 好不少，我现在就是CombinedMargin 没有达到sphereface 的效果，我在考虑什么问题导致的CombinedMargin 没有发挥出来