caffe vgg face 微调问题分类不准问题?

本人是深度学习小白,目标是在ios上实现1000人以内高识别率人脸识别。
目前我想的有两种方案:
1.你用caffe vgg 微调 +1000人数据训练,生成model,测试分类准确率,可以的话,将model转化为ios CoreML 调用接口,直接进行个体分类。
2. 如果1行不通,则进行牵移学习的方式,读取已有人脸模型特征值+libsvm来进行人脸的分类,也有人进行余弦值的比对来进行分类,不知道两者哪个更好?但是这种方案需要更大的工作量,需要了解c++ + svm调用接口。
不知道以上方案是否是正确的方向?

目前实施方案1,微调很快就收敛而且accuracy=1.但是利用classification.bin来测试训练数据人脸时,60%左右的人识别正确而且概率都接近为1,40%左右的人识别不出来,top5概率分散,无法正确识别?请问是什么问题,谢谢~
已邀请:

阅微草堂 - 90后深度学习,计算机视觉学习者

赞同来自: tensorflow

VGG模型作微调我也做过,收敛速度比较慢。你的1000是1000个人还是1000张图像?收敛这么快到1, 而且测试准确率那么低肯定过拟合啦。
这一块我建议仍然采用方案1,而且你可以不用finetunning,直接用vgg的caffe模型;不用最后的回归,直接提取FC7层的特征,利用夹角余弦相似度来求人脸相似度,根据设定的阈值来识别人脸。这一块我做过,识别率还可以!

alex68 - 一般不扯淡~

赞同来自:

1. accuracy=1,严重过拟合了,什么都说明不了;
2. 你是要做开集的识别还是做闭集的识别,如果是开集,用人脸比对的思路去做,如果是闭集的,可以用识别的思路去做。

要回复问题请先登录注册