最近在做兩個項目,人臉識別和判斷人臉是否被遮擋;
1.先談談人臉識別
我是從中途接手的人臉識別項目,什麼人臉檢測,人臉對齊都是後知後覺接觸到的,然後目的是訓練一個小模型的人臉識別模型,但是直接上mobileFace,數據不太夠,效果一般,然後就使用了《CBAM:Convolutional Block Attention Module》這篇論文中提到的注意力機制,效果怎麼樣了,以下結果是未初始化的mobileFace依次在Agdb_30,cfp_fp,lfw測試集的結果(在自己的訓練集上做的):
加入了注意力機制後:
然後我的網絡是如何添加的,請轉步:https://github.com/maomaoyuchengzi/CBAMMobileFace(要是看不了請私信,我纔開始使用github,還不太會用)
2.人臉遮擋
最近在做人臉遮擋的時候遇到一些問題,希望有大佬看到此款帖子,能指點以下,遇到的問題有點摸不着頭腦。
我的做法:收集了一批數據+增強有64000多數據,做二分類,不遮擋的負類,遮擋的爲正類,數據比例1vs1,網絡結構resnet18,圖像size112*112;
遇到的問題:臉上小部分遮擋(五官遮擋)效果不佳,總被誤認爲是遮擋數據;
處理問題:
1)訓練樣本的檢查,訓練樣本基本沒問題,三個同事一起幫着看了看;
2)網絡結構的檢查,網絡結構沒問題;
3)測試代碼的檢查,沒有查找任何原因;
2)訓練工程的檢查:同事和我做了一樣的分類,使用了他自己寫的工程和訓練出的模型,攝像頭出的結果是他自己的臉部遮擋和不遮擋就分類的很好,我和另一個同事總是被認爲遮擋了(攝像頭現場測,不存在訓練樣本和測試樣本重複),使用訓練過程中早階段的和中期階段以及最終的階段的模型結果測試,都是一樣的情況,排除過擬合。
3)同時訓練過程中訓練集上和驗證集上效果達到1(acc.),說明模型不存在欠擬合;
同事認爲是使用的數據太少(他只使用了2萬多的訓練集,其中還有部分數據是使用的數據增強生成的),建議換個小網絡。
小網絡訓練中... ...