BeS 53 Report post Posted February 13, 2016 2 minutes ago, Smorodov said: Так и есть, по 2М сэмплов каждого класса. Каждого - это в вашем случае Лица + Фон, или вы еще внутриклассовую вариативность понижаете и бьете лица на несколько подклассов? Share this post Link to post Share on other sites
mrgloom 242 Report post Posted February 13, 2016 а есть совмещенное simultaneous detection and segmentation http://www.eecs.berkeley.edu/Research/Projects/CS/vision/shape/sds/ Share this post Link to post Share on other sites
Smorodov 579 Report post Posted February 13, 2016 2 часа назад, BeS said: Каждого - это в вашем случае Лица + Фон, или вы еще внутриклассовую вариативность понижаете и бьете лица на несколько подклассов? Не, 2М лиц и столько же фона. Share this post Link to post Share on other sites
BeS 53 Report post Posted February 13, 2016 3 hours ago, Smorodov said: Не, 2М лиц и столько же фона. а еще дурацкий вопрос, как в формализуете обучение на нечеткой базе? У DeepLeab все боле-мене понятно, там по известной разметке корректируются отклики. А вот что у вас на выходе получается и как вы корректируете веса, не совсем понятно. з.ы. и еще более глупый вопрос: а такую сетку как у вас можно стандартными средствами caffe соорудить, или вы дописывали кастомные слои? Share this post Link to post Share on other sites
Smorodov 579 Report post Posted February 13, 2016 Ну база довольно таки четкая, см. аттач. CAFFE тоже не менял, слои не дописывал, учу как обычно в DIGITS. Пост-обработка результатов свертки, статистическими методами присутствует, можно с натяжкой назвать ее слоем но она в обучении никак не участвует. Вообще идею взял здесь: http://sachinfarfade.tumblr.com/deep-dense-face-detector и попробовал заимплементить как я это вижу. Share this post Link to post Share on other sites
iskees 32 Report post Posted February 13, 2016 Спасибо, теперь понятно как это работает. Возникла еще мысль, а что если использовать подобную сеть для распознавания лиц. На входе она получает фото лица, на выходе вектор. А примерами для обучения и настройки могут служить наборы лиц, если на одинаковые лица вектора близкие то положительно подкрепление если далекие то отрицательные, ну и на разные лица все наоборот. Share this post Link to post Share on other sites
Nuzhny 243 Report post Posted February 14, 2016 OpenFace примерно так и делает. Share this post Link to post Share on other sites
mrgloom 242 Report post Posted February 14, 2016 OpenFace построена на FaceNet которая использует triple loss (надо 3 примера), а еще есть siamese network там достаточно 2 примера, но эта сеть отвечает похоже или нет для двух входных изображений, а не выдаёт вектор-признак. FaceNet тренируется чтобы лучше отличать лица, а не фон от лица, хотя кто знает может быть если подавать 3 примера как лицо,лицо,фон и потом составлять 2 пары лицо,лицо лицо,фон то может быть она и выучится. Share this post Link to post Share on other sites