人脸关键点

实验的自变量：Hourglass的Block, 数据集以及Stage的数量

目前稳定的工作是：4个stage的residual block的hourglass可以正常跑通

数据集：

• 用newWflw里的数据增强（在原有时间上每个epoch会增加1min的时间）
• 先保存好了再跑（可能会使网络过拟合，当然可以通过数据集的图片数量解决）

Train Boundary

• 建议使用循环Lr
• 除了看Loss的变换曲线，更加定性的方式是可视化boundary
• 目前每次200epoch
• 网络head可以加载预训练模型（虽然hekaiming的文章说这样效果上差别不大）

Train Landmarks

• 已经跑完200epoch单独训练landmarks regressor的代码
• 没有和boundary net一起训练，考虑要不要一起finetune
• 正常姿态的人脸已经基本可以正常输出，但特殊姿态人脸尚不完美，可能是特殊姿态人脸数据较少的原因
• 这里使用SGD(momentum)比较好

(fake boundary, real boundary, ground truth.)

CED curves