Ming
Ming
test/one_image_test.py
那取决于你怎么加载得模型
yes ,you can, because the size of the first dimession doesn't really matter, the acutal input of RNet depends on the output of PNet.
这一版的PNet金字塔是顺序执行，GPU利用率是比较低的，如果要工程化建议并行执行PNet的金字塔
生成数据的速度瓶颈应该在于硬盘的读写速度，跟其它关系不大
I think you misunderstood the model itself, the trainning process of MTCNN requires you to randomly crop the original image and resize it to 12x12. During the predicting process you...
额，你这个错误的图片我好像看不到
你加我微信吧，zm1993931116
网络计算速度和阈值，输入图片尺寸以及最小人脸的设置有关，阈值越高速度越快。 而输入图片尺寸和最小人脸设置会影响P网络金字塔层数，金字塔层数越高速度越慢。 在使用中可以根据你的实际需求来调整这些参数 而且这份代码速度（GPU）其实至少还有两处可以提高，对于预测来说P网络金字塔可以改为并行执行，对于训练来说NMS可以改为基于tensorflow而目前是基于numpy。 如果你有兴趣可以在这些方面去改进。 > 我在i7-8700k+980ti的硬件配置下测试为大约0.04秒每张图片，远远低于论文中的99FPS，你们的情况类似吗？
变成zero-mean,且值域在-1到1之间