测试集为什么要用tencrop about facial-expression-recognition.pytorch HOT 8 CLOSED

测试集的图片是给定的，tencrop也只是在给定的图片切成10各分类来做预测。最后用十份的结果去做一个平均值，相当于集成学习的方法去选出最适合的分类。

from facial-expression-recognition.pytorch.

谢谢您的回复~还有一个小问题，就是您这里面的CK+48文件夹里面是已经裁切好的人脸图像，并且分辨率是4848。但是如果我想使用分辨率更高的输入图像（比如224224），您方不方便分享给我，您的图像预处理的代码（从最原始的CK+图片进行人脸检测，然后确定裁切范围，最后得到跟您的图片同样大小人脸的高分率图）？

from facial-expression-recognition.pytorch.

当时拿到数据的时候，分辨率就是48*48，我这边没有对应的裁剪代码。

from facial-expression-recognition.pytorch.

谢谢您的回复~！ 我发现针对CK+数据训练的时候，进行多次实验，每次最高的准确率偏差能有好多个百分点（有时候最高是96%，有时候最高是90%）。这种现象是正常的吗？有没有办法能够避免这种大方差的情况？

from facial-expression-recognition.pytorch.

我这边也会出现这样的现象，主要是因为CK+数据集较小+交叉验证的缘故。

from facial-expression-recognition.pytorch.

在plot_CK+_confusion_matrix.py时，我设置cut_size=32时所有的表情都预测为disgust（结果是77的混淆矩阵），设置cut-size=44时会出现多出来三行三列也就是1010（本来7分类应该是7*7的混淆矩阵），另外又改变cut_size都会出现不同的结果，我是用自己训练的shufllenetv2模型测试的，训练集的class_names = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Contempt']，按照文中修改的。希望作者能答疑，不胜感激。

from facial-expression-recognition.pytorch.

可能是您的代码设置的问题？我这边不同的cut_size得到的混淆矩阵的size是相同的。另，训练时设置的cut_size在测试时候需要保持同等的大小。

from facial-expression-recognition.pytorch.

@WuJie1010 多谢回复，我训练时的transforms.Compose()和您这边不一样， 我是如下形式训练:transform=transforms.Compose(
[transforms.Resize(32),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225])])

我现在打算跟您的保持一致再训练试下。thx again!

from facial-expression-recognition.pytorch.