测试精度问题
Opened this issue · 11 comments
您好，请问您对原始的深度图有什么处理吗，因为使用您预训练模型对测试集进行测试结果如下：
远比您的结果差。
（其他设置都没有变）
我也遇到了同样的问题，用作者预训练的模型直接在测试集上测试得到ACER达到了0.505，请问您解决了这个问题吗
你们这0.5的，应该都是数据源就不对。论文都没看嘛？作者用的是深度图训练和测试的，你用rgb进去肯定没效果啊。
这个是因为原始下载的代码当中，对于test的标签文件，有一句代码被注掉了，采用了随机的标签值。在read_data.py文件下。
if self.phase_test:#测试阶段
depth_dir = self.depth_dir_test
label_dir = self.label_dir_test
label = int(label_dir[idx])
#label = np.random.randint(0,2,1)
label = np.array(label)
上面这个我已经改回来了。原始代码用的是label = np.random.randint(0,2,1)，这个标签是随机的。所以检测效率是0.5左右。
这个是因为原始下载的代码当中，对于test的标签文件，有一句代码被注掉了，采用了随机的标签值。在read_data.py文件下。
if self.phase_test:#测试阶段
depth_dir = self.depth_dir_test
label_dir = self.label_dir_test
label = int(label_dir[idx])
#label = np.random.randint(0,2,1)
label = np.array(label)上面这个我已经改回来了。原始代码用的是label = np.random.randint(0,2,1)，这个标签是随机的。所以检测效率是0.5左右。
你现在是用什么数据测试的，精度大概咋样？
我用的数据集下的深度图啊，97%左右。
我用的数据集下的深度图啊，97%左右。
哦哦，深度图的话，没啥用的。我随便调了下参，都到了99·7%了。。
我的测试结果和楼主的类似，你都调了下什么参数啊？
你说的是在这些epoch中最高的识别率吧。我这里也有一个，可以达到99。1%
epoch: 48 EER: 0.009852 TPR@FPR=10E-2: 0.990277 TPR@FPR=10E-3: 0.943292 APCER:0.010683 NPCER:0.009222 AUC: 0.99943708 Acc:98.976 TN:39822 FP : 430 FN:161 TP:17297 ACER:0.00995242
@boom9807 我也遇到了这个问题，请问有人找到解决办法了吗？
你解决了吗