口红？

[zhaipro]

为什么又开始玩口红了？

[zhaipro]

[zhaipro]

1. http://www.globalblue.cn/destinations/italy/milan/18-shades-of-red-lips/#slide1
2. https://ai.meitu.com/doc?id=9
3. https://ai.meitu.com/algorithm/imageRecognition/faceSegment
4. https://help.aliyun.com/document_detail/155014.html
5. http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
6. BiSeNet
7. https://zhuanlan.zhihu.com/p/41475332
8. https://zhuanlan.zhihu.com/p/41679153
9. https://keras.io/zh/
10. https://github.com/zllrunning/face-parsing.PyTorch
11. https://github.com/kirilcvetkov92/Semantic-Segmentation-BiSeNet
12. https://github.com/ooooverflow/BiSeNet
13. https://github.com/petrosgk/Kaggle-Carvana-Image-Masking-Challenge
14. https://towardsdatascience.com/epoch-vs-iterations-vs-batch-size-4dfb9c7ce9c9
15. https://github.com/keras-team/keras-contrib
16. Xception

[zhaipro]

版本	loss	dice_coeff	psnr	val_loss	val_dice_coeff	val_psnr
2.0.0	0.0047	0.8735	29.3643	0.0046	0.7376	28.0056
2.0.1	0.0045	0.8829	29.6047	0.0042	0.6776	27.3260
2.0.2	0.0868	0.9132	28.2183	0.1161	0.5191	24.912
2.0.3	0.0894	0.9184	28.9648	0.0572	0.7362	27.1730
2.0.4	0.0868	0.9203	30.5728	0.1535	0.5305	24.6504
2.0.5	0.1170	0.8935	28.7663	0.0746	0.4990	25.1946
2.0.6	0.1085	0.8997	31.2613	0.0854	0.6298	26.0387
2.0.7	0.0942	0.9128	31.9750	0.0581	0.9050	29.6066
2.0.7.1	0.1038	0.9051	31.2448	0.0573	0.9143	29.9382
2.0.7.3	0.1027	0.9063	31.3688	0.0578	0.9173	29.9247
2.0.7.4	0.1044	0.9049	31.2056	0.0257	0.9250	29.5189
2.0.7.5	0.0930	0.9180	52.0262	0.0662	0.9085	29.2761
2.0.8	0.0929	0.9139	32.0576	0.0607	0.8951	29.5029
2.0.8.1	0.0990	0.9118		0.0443	0.9270
2.0.8.2	0.0901	0.9201		0.0747	0.9252
2.0.8.3	0.0928	0.9176		0.0714	0.9275
2.0.8.4	0.0917	0.9220		0.0702	0.9275
2.0.8.5	0.0879	0.9252		0.0696	0.9303
2.0.9	0.0929	0.9140	32.0216	0.0581	0.8966	29.6190
2.1.1	0.1201		0.8895	30.2393	0.0753	0.8790

在colab上表现良好，可为什么在我本机却过拟合？

[zhaipro]

看来损失函数很重要呀

[zhaipro]

洗牌后的效果：
loss: 0.0016 - dice_coeff: 0.7766 - psnr: 35.3927 - val_loss: 6.2160e-04 - val_dice_coeff: 0.6873 - val_psnr: 35.8081

[zhaipro]

• 嘴唇：[80, 50, 230]
• 脸：[190, 90, 90]
• 舌头：[0, 255, 255]

[zhaipro]

惨痛的经验：开发环境还是交给conda吧，我不行啦，对不起pip

[zhaipro]

数据增强已经足够了，只要不会过拟合就行，现在的目标是正确率啦。

[zhaipro]

代办项

1. 损失函数
2. 批量大小
3. 模型深度
4. 模型广度
5. Dropout

[zhaipro]

数据强化

• 水平翻转
• 缩放
• 挪动
• 模糊
• 色彩抖动
• 侧脸
• 遮挡，蒙眼
• 老人
• 大眼睛？
• 根据复杂度打分

只要数据强，其他的都是小事儿。

[zhaipro]

Dropout能否帮助模型寻找最优解？

[zhaipro]

代办项

• 评测XX的分割力度

没办法，我们的分割力度能到90%就不错啦，不求100分，但求最高分。

[zhaipro]

根据人脸扭转的程度来表示训练权重？

[zhaipro]

最令我开心的事儿就是发现自己是个脑残…

[zhaipro]

起始层不要提取太多的信息，不然容易过拟合。

[zhaipro]

[zhaipro]

hair cloth lip
96164 / 85977983 = 0.0011319825261650242

[zhaipro]