test的时候用到了ground true数据 about face-alignment-at-3000fps HOT 20 CLOSED

test 时用到 ground truth 的数据只是为了计算误差, 并不影响检测

from face-alignment-at-3000fps.

另外, 你贴的第一段代码是在读取图片中人脸框的数据, 真实形状只是用来裁剪图像, 减少内存消耗而已, 计算 landmark 时并没有用到真实形状的信息, 但是需要人脸框信息

from face-alignment-at-3000fps.

重新把ground_true去除了。但是模型还是挺大的，如果我想把模型压缩到几M内，有什么好的建议。

from face-alignment-at-3000fps.

模型文件中应该没有存储 ground_truth 数据

其实 30M+ 的模型文件已经蛮小了, 如果你还想压缩的话, 建议你更改源码中的几个 Read Write 函数, 参数类型可以从 double 降级到 float 这个能够减少将近一半的数据, 但是会有相应的损失. 另外一种方法, 你可以考虑利用 zlib 等压缩库, 因为代码中是 Raw Data 直接以二进制形式输出, 你可以考虑利用压缩库进行数据压缩.

但是我认为想压缩到 10M 以内不太现实, 除非修改模型参数, 减少模型的参数.

from face-alignment-at-3000fps.

恩是的，我是说去除了利用ground true裁剪的那块，模型大小和参数我觉的可以试着改一下。

from face-alignment-at-3000fps.

如果把stage的个数减少，

from face-alignment-at-3000fps.

调整模型的参数需要自己训练, 降低模型复杂度可能会使预测效果变差, 需要自己衡量. 这个模型的我本人认为调得效果还可以. 你是什么需求, 需要这么小的模型文件, 嵌入式?

from face-alignment-at-3000fps.

模型效果很ok的。手机上的，手机上不可能让他们载个这么大的文件吧。

from face-alignment-at-3000fps.

个人建议

1. 将模型数据从 double 将级到 float 能在很大程度上减小模型文件的大小(个人认为可以减少一半的大小), 在此基础上利用类似 zlib 这种压缩库在程序数据的写入和载入时进行数据压缩.
2. 调整模型的大小, 重新训练, 但是如果用现有代码进行数据的读写, 也不太可能降低到 10M 以内(模型太小, 效果一定差), 仍然需要考虑 1 中的数据格式和压缩.

from face-alignment-at-3000fps.

你训练模型的时候用的什么数据，读多少张图片，我训练用helen的数据，经常出现了outofmemory的问题。我的机器8g的内存。

from face-alignment-at-3000fps.

内存不足考虑将程序编译成 64 位, 我一般在服务器上训练, 内存基本不是问题.

关于数据集, README 中有提到

from face-alignment-at-3000fps.

好的谢谢啦。

from face-alignment-at-3000fps.

@NanYoMy你好，请问下载好数据集，train和test是按照什么标准分的呀？

from face-alignment-at-3000fps.

@happygao 数据集本身是分了 train test 的

from face-alignment-at-3000fps.

@luoyetx按照readme的说明，我现在已经训练好了模型，但是怎么将其用到其他数据集上呀？即就是用别的图像能否将点标记出来？

from face-alignment-at-3000fps.

@happygao 你需要做人脸检测来输出人脸框，框的尺度最好和训练时的尺度一致

from face-alignment-at-3000fps.

@luoyetx 如果我想用到其他图片上，是不是必须要有.pts文件呀？

from face-alignment-at-3000fps.

@happygao 不需要

from face-alignment-at-3000fps.

@luoyetx 麻烦您能说的仔细一点吗？如果在其他图片上进行标记其关键点，是不是将test文件夹的图片换成需要检测的就可以了吗？麻烦您给我说一下步骤吧，谢谢

from face-alignment-at-3000fps.

参考 test.cpp 的 run 函数，用检测器来检测人脸 bbox

from face-alignment-at-3000fps.