<span class="tags-box artic-tag-box">
							<span class="label">標籤：</span>
															<a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;MTCNN訓練&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=MTCNN訓練&amp;t=blog" target="_blank">MTCNN訓練																</a>
						<span class="article_info_click">更多</span></span>
																				<div class="tags-box space">
							<span class="label">個人分類：</span>
															<a class="tag-link" href="https://blog.csdn.net/wfei101/article/category/7014453" target="_blank">人臉檢測																</a>
						</div>
																							</div>
			<div class="operating">
													</div>
		</div>
	</div>
</div>
<article>
	<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
							<div class="article-copyright">
				版權宣告：本文為博主原創文章，轉載請註明出處，謝謝。					https://blog.csdn.net/wfei101/article/details/80024499				</div>
							            <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-e2445db1a8.css">
					<div class="htmledit_views">
            <p style="background-color:rgb(255,255,255);">採用資料集：</p><p style="background-color:rgb(255,255,255);">人臉檢測和人臉框迴歸：<a href="http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/" rel="nofollow" target="_blank">WIDER_FACE</a></p><p style="background-color:rgb(255,255,255);">特徵點標定：<a href="http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html" rel="nofollow" target="_blank">Celeba</a></p><p style="background-color:rgb(255,255,255);">P-net:</p><p style="background-color:rgb(255,255,255);">P-net的任務是人臉檢測和人臉框迴歸，所以該階段僅需要使用WIDER FACE資料集。為什麼沒帶特徵點標定任務？P-net輸入12*12的影象，影象太小，不適合做特徵點標定，<span style="color:#ff0000;">我個人理解是loss函式根據人臉帶不帶關鍵點來訓練的；其實widerface和celeb都是用了，第一階段到第三階段都使用；</span></p><p style="background-color:rgb(255,255,255);">（1）取候選窗，生成訓練圖片</p><p style="background-color:rgb(255,255,255);">下載的原始資料集並不能直接用於訓練，而是在原始影象上擷取候選框影象。隨機擷取候選框，根據IoU計算候選框所屬類別，並將其resize到12*12大小，將resize後的候選框影象儲存到對應的類別資料夾下。每個類別生成一個txt文件，存放圖片路徑以及對應的候選框位置資訊。</p><p style="background-color:rgb(255,255,255);">根據IoU計算選擇的候選框是屬於negative（IoU&lt;0.3）、positive（IoU&gt;0.65）、part（0.4&lt;IoU&lt;0.65），三者的比例為3:1:1。其中positive和negative用於人臉檢測，positive和part用於人臉框迴歸。</p><p style="background-color:rgb(255,255,255);">（2）生成imdb，訓練資料</p><p style="background-color:rgb(255,255,255);">使用positive和negative類別中的影象生成人臉檢測所需的資料cls.imdb</p><p style="background-color:rgb(255,255,255);">使用positive和part類別中的影象生成人臉框迴歸所需的資料roi.imdb</p><p style="background-color:rgb(255,255,255);">(3)構建網路和solver，開始訓練</p><p style="background-color:rgb(255,255,255);">(4)使用生成的訓練模型，生成難例樣本，繼續訓練下一階段的網路；都是微調網路；</p><div>P-net網路中是沒有fc層的，不需要固定大小，R-net和O-net都是有fc層的，訓練的輸入必須的固定的；</div><p><br></p><p>測試時候：</p><p>1：做不同的Scale，先第一階段和第二階段的輸出推薦視窗，只是分類和框的迴歸；在第三階段之後才開始輸出定位的結果；</p>            </div>
            </div>
								
				<script>
					(function(){
						function setArticleH(btnReadmore,posi){
							var winH = $(window).height();
							var articleBox = $("div.article_content");
							var artH = articleBox.height();
							if(artH > winH*posi){
								articleBox.css({
									'height':winH*posi+'px',
									'overflow':'hidden'
								})
								btnReadmore.click(function(){
									articleBox.removeAttr("style");
									$(this).parent().remove();
								})
							}else{
								btnReadmore.parent().remove();
							}
						}
						var btnReadmore = $("#btn-readmore");
						if(btnReadmore.length>0){
							if(currentUserName){
								setArticleH(btnReadmore,3);
							}else{
								setArticleH(btnReadmore,1.2);
							}
						}
					})()
				</script>
				</article>