老哥 在图像分类任务中 如果想得到 top1,top5之类的准确率 应该怎么修改呢

请问用fmobile模型训练网络，数据集为CASIA, 一个epoch要多长时间？

Could you make the pre-trained model available?

Thanks for the tutorial

我學習了您的代碼，
但我發現使用在視頻偵測人臉時，
Bounding box 會有蠻明顯的抖動 or 縮放。
我懷疑是 Heatmap 的問題，不知道作者有什麼看法呢?

若要改善這個問題有什麼好辦法嗎?!

博主你好，我想问问我是用的我自己的数据集训练的，模型的损失在8 左右就无法再收敛了，在你给的lfw上面做的测试，测试的acc在80%，你看这个问题是正常的吗？？望回复，感谢

lm_xs = (lm_xs - bbox[0]) / original_width
lm_ys = (lm_ys - bbox[1]) / original_height

论文中应该是剪去bbox的中心坐标？这里是否有误

您好，请问您方便测试一下您的模型在验证集上的得分吗？

受益匪浅，十分感谢。
centernet loss那里好像有点问题。
热力图，中心点偏移，宽高应该不能都用统一的regloss替代把。

在https://github.com/xingyizhou/CenterNet/blob/master/src/main.py，中原作者用了

self.crit = torch.nn.MSELoss() if opt.mse_loss else FocalLoss()
self.crit_reg = RegL1Loss() if opt.reg_loss == 'l1' else
RegLoss() if opt.reg_loss == 'sl1' else None
self.crit_wh = torch.nn.L1Loss(reduction='sum') if opt.dense_wh else
NormRegL1Loss() if opt.norm_wh else
RegWeightedL1Loss() if opt.cat_spec_wh else self.crit_reg

首先感谢作者，写的很好！
我在看第6章的第7小节中，作者有这么一句话：“用选好的阈值进行划分，大于此阈值的是不同人的脸，小于此阈值的是同一个人的脸”。感觉是不是写反了，大于此阈值的是相同的脸。
理由：代码段“y_test = (y_score >= th)”，分值大于阈值的为1，否则为0，而对应的label：y_true的值，也是1对应的同一张脸，0是不同的脸。

人脸识别class有很多，label也是one-hot的吗？

Hi ...,
Which IDE are you using?
Best regards,
PeterPham

Really Nice Tutorial..
I have trained using your code for centerface detection and facing Accuracy Issue.
Some Modifications I have done according to https://github.com/chenjun2hao/CenterFace.pytorch

1. HeatMap generation using code from mentioned repo.
2. FocalLoss implementation for heatmap loss
3. removed landmark generation layer.
4. Data augmentation ( random crop, random scale, translation) from https://github.com/Paperspace/DataAugmentationForObjectDetection

I have trained Mobilnet_10 model with pretrained weights upto 90 epochs with LR 5e-4 and facing accuracy problem as compared to original centerface model.
Also during inference if i use threshold to 0.50, 1000+ face detections are made (false detection)
Can you help?

博主你好！感谢分享文章和代码。

使用了你的代码后有一些疑问想请教一下：

基本情况：

• 网络结构：resnet + arcface loss
• 数据集：自己制作的数据集
• 参数：batch size 试过了64和128，其他的超参数是用的默认的，训练了100个epoch。
• 结果：第一个epoch 的training loss是18，到第10个epoch时变成了14，然后再往后就不再下降了。并且validation loss一直在19左右浮动，没有下降过。

想请教的问题：1. 要做什么调整才能让 training loss收敛呢？2. validation loss为什么不下降？

期待你的答复，感谢！

Can you give me the google drive link of cleaned_list.txt, I can't download it from baidu link. Thank you!

我训练的时候，模型的Network Setup占用大量的时间，并且执行到第一个epoch的第一个batch的时候就一直在执行，即没有执行到下一个batch也没有报错。想请教一下可能的原因。

你好！请问如何实现一张图片的人脸识别，类似下面这张图的单人身份识别

博主你好，你24.pth那个模型在LFW灰度图上测的Acc在0.96+，请问你有在RGB图上的模型吗，效果差别大不大？

@siriusdemon 您好，感谢您的工作。我对训练过程感到困惑，

这里面只加载了webface的目录，没看到它对应的list加载。请问这个list不需要吗，还是在别的地方加载了。期待您的回复。

hi！
我尝试 test.py 代码加载您的24.pth权重
但是可能训练环境不一样（pytorch版本不同）出现报错：

RuntimeError: Error(s) in loading state_dict for DataParallel:
Missing key(s) in state_dict: "module.conv1.net.0.net.0.bias", "module.conv2.net.0.bias", ... ,... (后面一堆)

请问up有好的解决方法或者在torch1.6版本以上训练的权重文件分享吗？

我训练了MobileFaceNet但是，效果不好，完全按照您提供的方式对数据集划分，损失最终只收敛在了4左右，达不到您提供的24.pth的那个效果？请问我还有啥疏漏的地方吗

作者你好，
可以问下为什么arcface.py中__init__方法中self.weight 是随机初始化呢？
论文中提到的角度应该是最后一层全连接层的权重 也就是fmobilenet 中 self.linear层得到的权重 和 embedding_feature的角度

博主你好，感谢你提供的保姆式教程，受益匪浅！

有一个问题想请教，我看了一下fmobilenet的网络编码以及train.py中的代码，没有发现类别权重矩阵。这个实现中网络的输出直接是embedding吗？我有参考了其他的实现，发现网络的输出还会再与类别权重矩阵运算，最后才得到embedding。

谢谢！

请问下大概多少个epoch loss能够降到1呢？现在batch_size 128，训练了大概300个epoch维持在5左右降不下去

this is really a good work ,but i find the demo is not working, i use the imgs in this project

您好，我最近跑了一下您的代码，参数设置就是默认的coonfig.py中的参数，数据集用的清洗后的CASIA-WebFace，测试用的LFW中6000个样本对，但是精度达不到24.pth。

Test Model: /mnt/sunqiao/xyh/models/_0.pth
Accuracy: 0.661
Threshold: 0.704

Test Model: /mnt/sunqiao/xyh/models/_10.pth
Accuracy: 0.825
Threshold: 0.426

Test Model: /mnt/sunqiao/xyh/models/_20.pth
Accuracy: 0.835
Threshold: 0.391

Test Model: /mnt/sunqiao/xyh/models/_30.pth
Accuracy: 0.835
Threshold: 0.399

再往下训练也基本停在84%左右，达不到97%，不知道什么原因。

可以检测多个类别吗 比如单层车牌/双层车牌，同时有关键点，大佬能给点思路吗

很感谢大佬的分享！

您在Recognition文件夹里分享了identification的测试代码，所以想请教一下，如果用在人脸分类任务上，应该怎么修改呢？

首先，非常感谢你的分享，但是我非常困惑的是arcface的实现问题
我很想知道使用cosface去代替arcface，当出现越界问题的时候，是否合理？
如果使用clip操作的话效果如何
谢谢