Ошибка при обучении модели определения ориентира лица с помощью Dlib и iBug

Я продолжал пытаться создать лучшую модель, чем shape_predictor_68_face_landmarks.dat который предоставляет Длиб.

(Вы можете получить этот файл из: http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2)

Вопрос

У вас есть идеи, почему мой набор данных не обучен правильно?

Мой результат с применением всех изображений iBug

Цель

Я хочу создать .dat файл, который обеспечивает лучшую точность, чем модель, которую я упоминал выше.
Это означает лучшую точность, чем это изображение.

Что я использовал.

Я в основном использовал пример кода train_shape_predictor_ex.cpp,

И набор данных, который я использовал, это ->
Оригинал: http://ibug.doc.ic.ac.uk/resources/300-W/
Что я на самом деле использовал: https://www.dropbox.com/sh/11znddaomgjfdw1/AAC9up5NOGTv2mc0dpYH6z4-a?dl=0 + Данные iBug в Image каталог.

Мой каталог был таким:

* name: /faces_iBug
* Image
* I put all of the iBug images in this directory.
* 2008_002470.jpg
* 2008_002506.jpg
* 2008_004176.jpg
* 2008_007676.jpg
* 2009_004587.jpg
* image_metadata_stylesheet.xsl
* testing_with_face_landmarks.xml
* training_with_face_landmarks.xml


Затем я попытался, как,

$ ./train_shape_predictor_ex ~/faces_iBug


Что я пробовал

1. Поместите ограничивающий прямоугольник объекта imglab,

   • Поскольку необработанные данные, установленные из iBug, не имеют информации о ограничивающей рамке, я поместил эту информацию с помощью imglab который является инструментом, предоставляемым в Dlib.
   • Я только написал ограничивающий прямоугольник и объединил его с данными аннотации для создания данных поезда.
   • Данные, которые я создал, находятся в каталоге, который я поместил в свой Dropbox. Имя файла training_with_face_landmarks.xml,

2. Изменение параметров

   • Во-первых, я думал, что неудача только потому, что параметры не подходили для создания модели.
   • Даже если я попробовал пару комбинаций параметров, проблема не выглядела как решаемая.

3. Применяется один и тот же набор данных как для поезда, так и для данных испытаний (только с 11 изображениями).

   • Это позволило создать правильную модель. Но я не уверен почему.
   • Я на самом деле использовал меньший набор данных только из 11 изображений.
   • Несмотря на то, что точность довольно плохая, все же кажется, что тренер может правильно изучить данные поезда.
   • Результат был таким.

4. Применяется один и тот же набор данных как для обучающих, так и для тестовых данных (со всеми изображениями iBug).

   • Тогда я подумал, что применение одного и того же набора данных для данных о поездах и тестах может стать техникой для создания модели с помощью Dlib.
   • Но на самом деле это не сработало для этой попытки, как всегда.
   • Результат был таким.
     Результат с применением всех изображений iBug

• Моя среда
• OS X El Capitan (Версия 10.11.6)
• Идентификатор компилятора C: AppleClang 7.3.0.7030029
• Dlib: dlib-19.1