DLIB: подготовка Shape_predictor для 194 ориентиров (набор данных helen)
Я тренируюсь DLIB«s shape_predictor для 194 лиц, используя ориентиры набор данных Хелен который используется для обнаружения ориентиров лица через face_landmark_detection_ex.cpp библиотеки dlib.
Теперь это дало мне sp.dat двоичный файл около 45 МБ что меньше по сравнению с данным файлом (http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2) для 68 лицевых ориентиров. В обучении
- Средняя ошибка обучения: 0.0203811
- Средняя ошибка тестирования: 0.0204511
и когда я использовал обученные данные, чтобы получить положение ориентиров лица, В результате я получил ..
которые сильно отклоняются от результата, полученного из 68 ориентиров
68 ориентир изображения:
Зачем?
Решение
Хорошо, похоже, вы не читали код Комментарии (?):
shape_predictor_trainer trainer;
// This algorithm has a bunch of parameters you can mess with. The
// documentation for the shape_predictor_trainer explains all of them.
// You should also read Kazemi's paper which explains all the parameters
// in great detail. However, here I'm just setting three of them
// differently than their default values. I'm doing this because we
// have a very small dataset. In particular, setting the oversampling
// to a high amount (300) effectively boosts the training set size, so
// that helps this example.
trainer.set_oversampling_amount(300);
// I'm also reducing the capacity of the model by explicitly increasing
// the regularization (making nu smaller) and by using trees with
// smaller depths.
trainer.set_nu(0.05);
trainer.set_tree_depth(2);
Посмотрите на Каземская бумага, Ctrl-F строка «параметр» и читать …
Другие решения
Других решений пока нет …