关于测试的

[RomanticWithoutStatus]

lz，我用其他的自己拍的人脸图，发现人脸占比和训练数据的不同，因此就效果不好。在你的视频测试里，是先用人脸检测的网络，来把人脸扣出来，然后再给pfld检测，抠图的比例是在检测框的基础上取长宽最大值的1.1倍。那么我自己抠的人脸图，是要遵循什么样的人脸占比来才好呢？还是我用其他的人脸检测网络，把检测网络的抠图范围扩大1.1倍就都可以用呢？

[guoqiangqi]

这个也没有具体的指定一定要扩大1.1，只是前级的人脸检测网络回归出的人脸坐标一般会比整张人脸小，因此扩大了1.1倍，当然从模型的表现能力来说，人脸占整张图片的比例越大越好，在训练数据中也是直接裁剪了人脸再扩大进行训练。

[RomanticWithoutStatus]

我试过人脸占比更大的，但效果不好。那个图相当于是前级网络的0.8~0.9倍的范围，效果不好。所以我感觉是要一个比较合理的比例，可是这个最合适的比例似乎比较难确定。目前来说，我测试过很多图，最合适的还是剪裁过的那些测试集和训练集，但这些剪裁的依据是已有的关键点，不适用于其他图片的检测。

[guoqiangqi]

图相当于是前级网络的0.8~0.9倍的范围是指什么呢？我在测试是输入与训练时采用一样的策略，不过输入的是标注的人脸框，这个与检测的也有区别。

[guoqiangqi]

lz，我用其他的自己拍的人脸图，发现人脸占比和训练数据的不同，因此就效果不好。在你的视频测试里，是先用人脸检测的网络，来把人脸扣出来，然后再给pfld检测，抠图的比例是在检测框的基础上取长宽最大值的1.1倍。那么我自己抠的人脸图，是要遵循什么样的人脸占比来才好呢？还是我用其他的人脸检测网络，把检测网络的抠图范围扩大1.1倍就都可以用呢？

我只测试了测试集，没有视频验证，看到 @luckynote 实时检测效果挺好，是用的什么策略呢。

[RomanticWithoutStatus]

图相当于是前级网络的0.8~0.9倍的范围是指什么呢？我在测试是输入与训练时采用一样的策略，不过输入的是标注的人脸框，这个与检测的也有区别。

0.8～0.9的意思是例如我得出了前级网络的范围是1，我只剪裁0.8~0.9倍的范围，这样的话，人脸占比就相对来说大了。但是对于这种图的pfld检测，就效果不好了。因此，对于不同的网络，具体剪裁多少为宜，这个不清楚

[guoqiangqi]

0.8-09会不会只有部分人脸，部分人脸对于精度的影响还是挺大的，你可以试试1.1和1.3，我常用这两个 425418567@qq.com 发件人： RomanticWithoutStatus 发送时间： 2019-08-23 17:20 收件人： guoqiangqi/PFLD 抄送： Guoqiang QI; Comment 主题： Re: [guoqiangqi/PFLD] 关于测试的 (#41) 图相当于是前级网络的0.8~0.9倍的范围是指什么呢？我在测试是输入与训练时采用一样的策略，不过输入的是标注的人脸框，这个与检测的也有区别。 0.8～0.9的意思是例如我得出了前级网络的范围是1，我只剪裁0.8~0.9倍的范围，这样的话，人脸占比就相对来说大了。但是对于这种图的pfld检测，就效果不好了。因此，对于不同的网络，具体剪裁多少为宜，这个不清楚 — You are receiving this because you commented. Reply to this email directly, view it on GitHub, or mute the thread.

[RomanticWithoutStatus]

0.8-09会不会只有部分人脸，部分人脸对于精度的影响还是挺大的，你可以试试1.1和1.3，我常用这两个 425418567@qq.com 发件人： RomanticWithoutStatus 发送时间： 2019-08-23 17:20 收件人： guoqiangqi/PFLD 抄送： Guoqiang QI; Comment 主题： Re: [guoqiangqi/PFLD] 关于测试的 (#41) 图相当于是前级网络的0.80.9倍的范围是指什么呢？我在测试是输入与训练时采用一样的策略，不过输入的是标注的人脸框，这个与检测的也有区别。 0.8～0.9的意思是例如我得出了前级网络的范围是1，我只剪裁0.80.9倍的范围，这样的话，人脸占比就相对来说大了。但是对于这种图的pfld检测，就效果不好了。因此，对于不同的网络，具体剪裁多少为宜，这个不清楚 — You are receiving this because you commented. Reply to this email directly, view it on GitHub, or mute the thread.

0.8左右，是大概是图片的下面刚到下巴这样，效果不好。0.8到2.0左右的范围我都试过，是1.1~1.3左右最为合适，但是这个合理比值是怎么得出来的，就不清楚。因为要是换个人脸检测网络，框出来的范围又可能不一样了，所以这个倍数又是可能不一样了

[panda-lab]

@RomanticWithoutStatus 人脸landmark跟detector是紧密相关的，2015年heng yang的一篇landmark的survey对这个有具体分析。训练用什么detector，测试就要用同样的。

[liuxx2016]

@RomanticWithoutStatus 你好，请问你最后怎么解决自己拍摄人脸图像测试效果不好的问题？我看代码中训练和测试人脸图像都是根据关键点位置来抠的人脸图像。这个方法在实际应用测试时是行不通的，你怎么解决的这个问题？