config 文件的注解。
{
"T": 5, // stage 的个数
"K": 1080, // 每个 stage 中分类回归树的个数
"landmark_n": 27, // 关键点数目
"tree_depth": 4, // 分类回归树的深度
"random_shift": 0.02, // 对每个样本的初始形状做随机偏移的振幅
"image_size": {
"multi_scale": true, // 是否使用多尺度
"origin_size": 64, // 原始大小
"half_size": 46, // 二分之一大小
"quarter_size": 32 // 四分之一大小
},
"hard_negative_mining": {
"mining_th": [0.5, 0.5, 0.5, 0.5, 0.5], // 当负样本比例小于这个阈值时，开始负样本挖掘
"min_size": 32, // 没有用到
"factor": 1.3, // 没有用到
"step_ratio": 0.5 // 没有用到
},
"stages": { // 每个 stage 都设置
"feature_pool_size": [2000, 2000, 2000, 2000, 2000], // 随机生成的特征个数
"random_sample_radius": [0.3, 0.2, 0.15, 0.12, 0.1], // 生成特征点时采样的半径
"classification_p": [0.9, 0.8, 0.7, 0.6, 0.5], // 树中节点做分类的概率
"recall": [0.99, 0.99, 0.99, 0.99, 0.99], // 没有用到
"drop_n": [1, 1, 1, 1, 1], // 树在计算 score 阈值时，丢弃掉的正样本个数
"neg_pos_ratio": [1.0, 1.0, 1.0, 1.0, 1.0], // 训练时负样本与正样本的比例
"score_normalization_step": [5, 5, 5, 5, 5] // 每隔 step*landmark_n 棵树，会对训练数据的 score 做归一化操作，如果不想做这个操作，请把 step 的值设大，比如 100
},
"data": {
"use_hard": false, // 是否准备了初始负样本
"face": "../data/face.txt", // 人脸 text文件
"background": ["../data/hd.txt", "../data/background1.txt", "../data/background2.txt"], // 第一项的初始负样本的 text 文件，如果你没有准备初始负样本，也不要删掉这一项。后面的全是背景图的 text 文件，代码会把它们的内容合并起来
"test": "../data/test.txt" // 简单测试时的 text 文件
},
"fddb": {
"dir": "../data/fddb", // fddb 数据的目录
"out": false, // 是否将检测结果输出到文件系统中
"nms": true, // 是否开启 nms 操作
"draw_score": true, // 是否在结果上画 score 值
"draw_shape": true, // 是否在结果上画 shape
"minimum_size": 20, // 检测时的人脸框最小大小
"step": 5, // 滑动窗口的 step
"scale": 1.3, // 图像缩放时的 scale
"overlap": 0.3, // nms 的 overlap 参数
"method": 0 // 选择哪种检测方式，可以是 0 或者 1
},
"cart": {
"restart": {
"on": false, // 是否在训练时开启 restart 操作，当弱分类器（分类回归树）丢弃的负样本太少时，重新训练弱分类器
"th": [0.0025, 0.0025, 0.0025, 0.0025, 0.0025], // 丢弃负样本比例的阈值
"times": 5 // restart 最多的次数，restart 太多次之后，会选择最好的一个弱分类器
}
},
"face": {
"online_augment": false, // 是否将训练数据的人脸做翻转
"symmetric_landmarks": { // 翻转人脸同时训练翻转对称的关键点
"offset": 1, // 关键点下标的偏移量，方便后书写
"left": [1, 2, 5, 6, 7, 8, 9, 19, 22], // 左边对称点下标
"right": [4, 3, 12, 11, 10, 13, 14, 21, 23] // 右边对称点下标
},
"pupils": { // 瞳孔
"offset": 1, // 同上
"left": [9], // 左边瞳孔的下标，如果没有瞳孔点，可以用多个点来代表瞳孔点
"right": [14] // 右边瞳孔点的下标
},
"similarity_transform": false // 是否做相似性变换
},
"resume": {
"model": "../model/jda_xxx.model", // 暂存的模型
"data": "../data/data_xxx.data" // 暂存的数据，需要和模型一致
},
"snapshot_iter": 600 // 每隔多少棵树暂存下当前的模型和数据
}