1、数据获取

数据获取：

① benchmark是一个行业的基准（数据库、论文、源码、结果）,例如WIDER Face、FDDB

② 优秀论文，通常实验阶段都会介绍它所使用的数据集，公开数据集可以下载。申请数据集的时候，最后使用学校的数据集。

③ 论坛或者交流社区:如thinkpace

④ 数据规模，越大越好如本实验中4w多

二分类数据：第一类人脸，第二类非人脸

人脸数据：路径/xxx.jpg 坐标

非人脸数据：只要不是人脸都可以

对于正样本：裁剪的操作，根据标注的坐标把人脸裁剪出来。可以用opencv这个工具来完成制作人脸数据。要检测一下，看看数据源有没有问题。

对于负样本：进行一个随机裁剪，IOT这个比例（重叠的比例）在原始的数据当中，IOU<0.3认为是一个负样本是，最好是拿没有人脸数据的当作负样本（根据实际情况来选择）。

　　①制作LMDB数据源（用于单label值）（其实就是caffe支持的非常常用的分类数据源）

　　②写两个txt文件， caffe的分类值是从0开始的

　　　　Train.txt

　　　　0/xxx.jpg 0(表示在0目录下某张图片的名称，且label值（分类值）为0)

　　　　1/xxx.jpg 1(表示在1目录下某张图片的名称，且label值（分类值）为1)

　　　　Val.txt(类别0和1没有进行目录分类)

　　　　xxx.jpg 0

　　　　xxx jpg 1

　　③制作LMDB数据源，用caffe提供的脚本文件,脚本文件前几行改成自己的目录，之后执行LMDB脚本文件，生成LMDB数据源，生成的LMDB文件很大。

脚本如下所示：

1 #!/usr/bin/env sh
2 # Create the face_48 lmdb inputs
3 # N.B. set the path to the face_48 train + val data dirs
4
5 EXAMPLE=/home/×××/face_detect
6 DATA=/home/×××/face_detect
7 TOOLS=/home/×××/caffe/build/tools
8
9 TRAIN_DATA_ROOT=/home/×××/face_detect/train/
10 VAL_DATA_ROOT=/home/×××/face_detect/val/
11
12 # Set RESIZE=true to resize the images to 60 x 60. Leave as false if images have
13 # already been resized using another tool.
14 RESIZE=true
15 if $RESIZE; then
16 RESIZE_HEIGHT=227
17 RESIZE_WIDTH=227
18 else
19 RESIZE_HEIGHT=0
20 RESIZE_WIDTH=0
21 fi
22
23 if [ ! -d "$TRAIN_DATA_ROOT" ]; then
24 echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
25 echo "Set the TRAIN_DATA_ROOT variable in create_face_48.sh to the path" \
26 "where the face_48 training data is stored."
27 exit 1
28 fi
29
30 if [ ! -d "$VAL_DATA_ROOT" ]; then
31 echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
32 echo "Set the VAL_DATA_ROOT variable in create_face_48.sh to the path" \
33 "where the face_48 validation data is stored."
34 exit 1
35 fi
36
37 echo "Creating train lmdb…"
38
39 GLOG_logtostderr=1 $TOOLS/convert_imageset \
40 --resize_height=$RESIZE_HEIGHT \
41 --resize_width=$RESIZE_WIDTH \
42 --shuffle \
43 $TRAIN_DATA_ROOT \
44 $DATA/train.txt \
45 $EXAMPLE/face_train_lmdb
46
47 echo "Creating val lmdb…"
48
49 GLOG_logtostderr=1 $TOOLS/convert_imageset \
50 --resize_height=$RESIZE_HEIGHT \
51 --resize_width=$RESIZE_WIDTH \
52 --shuffle \
53 $VAL_DATA_ROOT \
54 $DATA/val.txt \
55 $EXAMPLE/face_val_lmdb
56
57 echo "Done."
58 Status API Training Shop Blog About

2、训练ALEXNET网络

　　依据ALEXNET网络结构来编写train.prototxt，指定对应参数（例如下面代码），训练时所找的网络，顺便介绍一些其他注意事项:

（1）batch_size为每次训练的样本数目一般为64或更大等

（2）均值操作 mean_file，作者说影响不大

（3）mirro:true 即开启镜像操作，相当于图像对此泛转，训练集翻倍

layer {
name: "data"
type: "Data"
top: "data"
top: "label"
include { # 规定只在测试的时候使用该层
phase: TEST
}
transform_param { # 测试的时候就不做镜像了
mirror: false
crop_size: 227
mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
}
data_param {
source: "examples/imagenet/ilsvrc12_val_lmdb"
batch_size: 50
backend: LMDB
}
}

图1 ALEXNET网络结构

　　下一步需要修改solver.prototxt,test_iter：一次测试中，要测试的多少个batch最好让test_iter*batch_size=整个测试样本数目(依据电脑性能)base_Ir基础学习率，非常重要，学习率不能太大，太大模型不能收敛到合适的地方，一般为0.001 display = 1000左右 ,运行train.sh ,生成训练的模型.caffemodel。

　　人脸代码实现：

　　多尺度的人脸检测

　　（1） caffemodel转换成全卷积格式

　　（2）经过多个scale，即图像金字塔

　　（3）前向传播，得到特征图，概率值矩阵

　　（4）反变换，映射到原图上的坐标值

　　（5） NMS非极大值抑制

　　网络训练的速度与什么相关?（抛开硬件）

（1）网络的模型大小（ALEXNET-8层 VGG-16层），网络越大速度越慢；

（2）数据输入的大小，227*227 和 32*32的，可能慢几百倍-（影响最大）。输入越大，网络越慢

　　概念介绍及NMS说明

（1）滑动窗口概念