TCDCN代码

• 说明：
  • 网络结构的问题，开始是仿写github的prototxt，所以前两个卷积 层都有padding；后又有更改，不加padding的效果好一点点，但是 不是很明显
  • early stopping问题：TCDCN提出了一个提前停止支路任务的指数， 但是实际使用中不是很容易确定（抖动），其实我现在是目测训练和 测试阶段的loss下降情况，手动设置停止点。特点就是需要先行跑 出比停止点更多的epoch。
  • 学习率：文章中提到的0.0001是比较好的.我试过0.001，下降速度 更快，但是后期多一些抖动，是收敛不到最优解了，但是没停下来， 毕竟使用的adam梯度下降方法，只要不是局部最优就可以。
  • 不同的padding：在早期加或者不加padding的差异就是第一个FC层 的大小是不一致的。也就是最后一个卷积结果的大小分别为6433和 6422差了差不多一倍，但是信息密度是不一样的，2*2的更高一些， 从不同的结构对应的训练loss下降速度可以最比较。这一点，也可以 参考MTCNN的网络结构，第三个卷积层之后就不带padding了
• 结果
  • loss
  • 
  • 
  • result
  • 
  • 

运行示例

• 参考test.py文件
• evalution.py是使用AFLW来做精度评估