使用caffe來做人臉識別？

12-27

最近在用caffe, 想用caffe來做人臉識別。使用的是1558個人的人臉數據集，每個人35張照片訓練，15張照片用於驗證。使用caffe中自帶的caffenet模型來進行微調，但是最後的誤差一直在7點多以上，請問大家，是模型有問題，還是數據集問題，總是達不到收斂的效果，希望大家為我解答

如上面幾位所說，用CNN train model 數據很重要很重要很重要，我就來分享一些公開的數據。
1. 李子青組的 CASIA-WebFace(50萬，1萬個人). 需申請.Center for Biometrics and Security Research
2. 華盛頓大學百萬人臉MegaFace數據集. 郵件申請, 是一個60G的壓縮文件. MegaFace
3. 南洋理工 WLFDB. (70萬+,6,025). 需申請. WLFDB : Weakly Labeled Faces Database
4. 微軟的MSRA-CFW ( 202792 張, 1583人). 可以直接通過OneDrive下載.MSRA-CFW: Data Set of Celebrity Faces on the Web
5. 湯曉歐實驗室的CelebA(20萬+), 標註信息豐富. 現在可以直接從百度網盤下載 Large-scale CelebFaces Attributes (CelebA) Dataset
6. FaceScrub. 提供圖片下載鏈接（100,100張，530人）. vintage - resources

ps: 建了個github項目，持續更新
https://github.com/betars/Face-Resources

@David Lau 的寫的很有道理的說關於dropout過擬合 lr設置的某些情況在實際使用中也遇到過的，不知道題主描述的7個點的誤差指的是精讀最後沒上去還是只loss值沒收斂。有時候精度沒下來，但loss基本收斂的情況也有的，最好能貼一個你的訓練log。

另外說人臉識別的情況，因為做人臉識別的項目做過幾個還是比較有經驗的，總體而言你這個訓練數據還是有點少的，你這個數據量的話目測應該是FRGC資料庫的圖片，自動化所李子青老師那邊有一個公開的10w類50w張圖的數據集，現在手機打字沒法發鏈接.晚上回去給你補上。做人臉識別最重要的是人臉的圖片不能是在有意識下採集的，這樣實際應用的效果肯定不好的，另外人臉識別領域benchmark的兩個方法一個是湯曉鷗的deepID2一個是Google的tripletloss題主可以去看看他們的方法。同樣鏈接晚點補上。希望有機會多大交流

請問樓主，我也用cafenet微調，結果過擬合，請問該如何解決。

參考深度學習框架Caffe視頻教程（windows版本演示 linux下也適用）

您好，我是一名本科生，本科畢業設計要做這個東西，我現在caffe配置好了，也申請到了李子青團隊的人臉數據，但是現在很迷茫，不知道接下來該怎麼做，能給些意見嗎？

受教了

同學，數據太小了！自動化所李子青老師團隊有個1w+人的數據，去申請吧。