2019.08-1.SecurityAI_Round1

order, score

1, 37.7798

#1
run_v0.1.ipynb
    1\根据L2距离找出最近人脸；
    2\根据clip限制25.5的范围取结果；

2, 34.5373

#2
run_v0.2.ipynb
    1\根据L2距离找出最近人脸；
    2\根据dlibM68找出人脸方区域，定义y、x上下限；
    3\根据最近人脸修改人脸方区域；
    4\根据clip限制25.5的范围取结果；
（修改）保持最近人脸，但通过M68来缩小修改面积；

3, 31.1043

#3
run_v0.3.ipynb
    1\根据dlibM68找出人脸方区域，定义y、x上下限（补充，适当调整方区域）；
    2\根据人脸方区域的L2距离找出最近人脸；
    3\根据最近人脸修改人脸方区域；
    4\根据clip限制25.5的范围取结果；
    5\进一步修复如果dlibM68无结果部分；
（修改）调整1、2顺序，旨在缩小修改面积；
（修改）调整dlibM68至dlibM81;
（修改）引进mtcnn识别技术；

4, 28.6826

#4
run_v0.4.ipynb
    1\根据模型找出人脸区域；
    2\根据人脸区域限制25.5后的L2距离找出最近人脸；
    3\根据最近人脸修改人脸区域；
    4\根据clip限制25.5的范围取结果；
    5\进一步修复如果dlibM68无结果部分；
    6\对结果进行二次人脸识别，修订人脸区域(并循环至minyx和maxyx无变化)；

（修改）人脸区域：不需要人工修改，根据多个模型自动修正至合理范围;
（修改）最近脸搜索时加上25.5限制；
模型：f_xy、f_xy_mtcnn
自动修正：max(min_y1,min_y2), min(max_y1,max_y2), max(min_x1,min_x2), min(max_x1,max_x2)

5, 28.1727

run_v0.7.ipynb
# 1, 1
fx1 = lambda x1, x2, x3: max(x1,x2)+1
fx2 = lambda x1, x2, x3: min(x1,x2)-1
修改面积缩小，可以进一步加分