1回答

会写代码的好厨师

2019-10-09

已采纳

问题问的很好。

1. pairs.txt，里面存放的是样本对，包括相同人的样本对和不同人的样本对。其中,10-300是循环10次，每次正负样本对个300个。后面则是所谓的样本对：正样本对：Abel_Pacheco 1 4  第一个字段表示一个人的iD，对应在数据上就是文件夹的名字，后面的1和4分别对应到文件夹内部的图片ID。   负样本对：Abdel_Madi_Shabneh 1 Dean_Barker 1 对应两个ID和ID下的两张图。对照这个博客看：https://blog.csdn.net/zhongzhongzhen/article/details/78293789

2. 不同关照的人脸是人脸识别或者说识别问题中的一个很大的问题，单纯的把这几个数据集合并在一起，并没有针对性的解决这个问题。实际工业场景，我们需要做相关的优化，比较常见的方法是加入光照变化的数据增强，，可以加入到train_tripletloss.py的这个位置

 #随机设置图片的亮度

    random_brightness = tf.image.random_brightness(img,max_delta=30)

    #随机设置图片的对比度

    random_contrast = tf.image.random_contrast(img,lower=0.5,upper=1.5)

    #随机设置图片的色度

    random_hue = tf.image.random_hue(img,max_delta=0.5)

    #随机设置图片的饱和度

    random_satu = tf.image.random_saturation(img,lower=0.5,upper=1.5)

另外，就是补充一些强光和暗光场景的图片。

实际工业场景，需要对模型做进一步的压缩，裁剪和量化。数据层面主要是补充更多的样本，清洗样本。实际上，在工作中很多的时间是放在数据处理上。

3. PR曲线，可以这样理解。首先要明白在人脸匹配上怎么去定义True和False这两个变量。就需要定义阈值，大于阈值则为不同人，小于阈值则为同一个人。正样本为同一个人构成的样本对，负样本为不同人构成的样本对，这样就能够统计正负样本正确和错误的数量。然后就可以计算出当前阈值下的precision-recall。遍历不同的阈值，就能够拿到多组pr值，就能够绘制出PR曲线。根据PR曲线，就可以选取合适的阈值。如果需要p值比较高的话，就选择p较高的情况下的阈值，如果要求r比较高的话，就选择r值比较高的时候的阈值。

1

1

慕仙9314769

非常感谢！

2019-10-09

共1条回复