基于CNN、PyTorch实现人脸关键点检测

Batch大小为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为85.46。

得分记录
2019-04-14

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 72.64 。

22:25:38

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 68 。

21:32:59

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 68.65 。

17:21:20

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 71.79 。

16:19:53
2019-04-13

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 67.45 。

23:31:15

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 68.59 。

22:06:12

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 64.51 。

21:21:25

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 65.37 。

20:07:13
2019-04-13

Batch Size 数据为 64 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 82.96 。

13:13:23

Batch Size 数据为 64 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 85.46 。

07:02:03
2019-04-13

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 80.7 。

01:13:42

Batch Size 数据为 32 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 78.5 。

21:47:49

Batch Size 数据为 64 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 60.41 。

19:19:39