测试模型遇到的问题 about face_verification_experiment HOT 10 CLOSED

1. 特征层对于A是eltwise6，对于B是eltwise_fc1
2. 错误信息的字面意思，unknown blob input label to layer 1，你最好自己检查一下网络配置吧

from face_verification_experiment.

多谢

训练测试集我是把它分成9:1,而没有把所有数据拿去训练，结果按这个训练出的模型，在lfw上正确率只有65.8%，原因是什么？（孙祎的五点定位，检测，再按照您的方式alignment，最后是144*144的灰度图片，样本准备过程应该没有什么问题,lr：0.001，weight_decay:0.005）

from face_verification_experiment.

提取fc1 512维的特征是93.8%的准确率, 而变成eltwise6的256维就只有65.8%？

from face_verification_experiment.

您的模型变成eltwise6的256维准确率是97.7%；65.8%是我自己按上边网络重新训练模型并在lfw的测试结果，不知道问题出在哪儿？

from face_verification_experiment.

65.8%这个结果太低了，我这边网络的迭代4w次，validation只有30%~40%的时候在lfw也可以到90%左右。我觉得首先还是仔细检查下数据预处理吧，训练集和测试集预处理的方法是否一致，因为训练集裁出来的144x144的图像，测试集lfw应该是128x128的。另外看一下你网络在训练时的收敛状况，你这个65.8%结果的网络validation的准确率是多少呢？

from face_verification_experiment.

hi，吴老师：
是的，预处理昨天我又重新做了一遍，先港中文的批处理一遍，之后训练集是按照您的说明裁剪的144X144灰度图，lfw也是128X128的灰度图
训练集是全部的img，val集是从中选取了三万多张，下面是训练的部分收敛情况：
......
I0331 12:59:07.620589 4824 solver.cpp:214] Iteration 230900, loss = 2.82966
I0331 12:59:07.621589 4824 solver.cpp:229] Train net output #0: accuracy = 0.515625
I0331 12:59:07.621589 4824 solver.cpp:486] Iteration 230900, lr = 0.001
I0331 13:00:46.470243 4824 solver.cpp:294] Iteration 231000, Testing net (#0)
I0331 13:01:48.563794 4824 solver.cpp:330] Test loss: 1.67944
I0331 13:01:48.564795 4824 solver.cpp:343] Test net output #0: accuracy = 0.7663
I0331 13:01:48.940816 4824 solver.cpp:214] Iteration 231000, loss = 3.35271
I0331 13:01:48.940816 4824 solver.cpp:229] Train net output #0: accuracy = 0.375
I0331 13:01:48.941817 4824 solver.cpp:486] Iteration 231000, lr = 0.001
I0331 13:03:28.806529 4824 solver.cpp:214] Iteration 231100, loss = 3.02206
I0331 13:03:28.806529 4824 solver.cpp:229] Train net output #0: accuracy = 0.4375
I0331 13:03:28.807528 4824 solver.cpp:486] Iteration 231100, lr = 0.001
I0331 13:05:08.690242 4824 solver.cpp:214] Iteration 231200, loss = 2.77543
I0331 13:05:08.691241 4824 solver.cpp:229] Train net output #0: accuracy = 0.484375
......
这个是不是不太正常？
而在lfw上的正确率还是很低。

from face_verification_experiment.

我觉得你这个log变化很正常啊，然后你测试的时候lfw才只有65.8%？ 你检查下你提特征的代码吧，提特征的时候图像像素要除255归一化到[0,1]

from face_verification_experiment.

hi，吴老师：
用我提特征的代码载入您的model从而生成的lfw.mat，检测正确率是96.8%，所以感觉提特征代码好像没什么问题；但载入我自己训练好的模型不是生成lfw.mat失败（Cannot copy param 0 weights from layer 'conv1'; shape mismatch. Source param shape is 96 3 9 9 (23328); target param shape is 96 1 9 9 (7776). To learn this layer's parameters from scratch rather than copying from a saved net, rename the layer）就是生成了正确率很低（65.8%），而之前您也说我训练的log变化是正常的，那这个问题是出现在哪里呢？

from face_verification_experiment.

Cannot copy param 0 weights from layer 'conv1'; shape mismatch. Source param shape is 96 3 9 9 (23328); target param shape is 96 1 9 9 (7776). To learn this layer's parameters from scratch rather than copying from a saved net, rename the layer

这个错误就是字面意思，彩色图像和灰度图像的问题。。。。
65.8%到底是什么问题我也不是特别确定，看log我觉得没问题。所以我还是觉得你提特征的部分有问题，尤其是你说你的代码有时候提取不成功，有时候提出来特征准确率是65.8%，这么不稳定的代码明显里面是存在bug的

from face_verification_experiment.

Hi,吴老师：
sorry，是您说的彩色图像和灰度图像的问题。现在好了，迭代12万次时，lfw测试准确率有94%。
不好意思，谢谢了。

from face_verification_experiment.