我想知道在 haar 级联方法中，掩码大小是否是恒定的，并考虑到图像中不同大小的面孔，如果原始图像被缩小和放大以找出重叠。
我看到在卷积神经网络中，权重矩阵的大小是恒定的，比如 20*20
除此之外，我想知道 haar cascade 或 CNN 在人脸检测方面是否更快。如果是这种情况，我可以使用 haar 级联首先检测人脸的位置，然后进一步使用 CNN 来识别人脸。
Ps :-face 只是一个对象，它可以是任何其他东西，比如汽车、树.....
问问题
6102 次
1 回答
4
如果您还没有，请阅读Viola/Jones 的原始论文。正如您将看到的，没有给出关于调整/重塑 haar 特征的具体策略。但这是有道理的，您应该出于您怀疑的原因这样做。没有“一种方法”可以做到这一点，所以继续尝试一些想法。
由于框架没有指定弱分类器是什么，因此您无法对训练速度做出任何适当的陈述。我只能说 haar-cascade-classifier 需要很长时间，因为它有 3 层不同的算法。但我不明白为什么这很重要，训练速度总是很慢。如果这是 CNN 的问题，那么您的概念就有缺陷。
viola jones 框架相当“完整”。您应该首先问自己为什么 CNN 无法解决您的问题，然后改进您的方法，而不是跳到完全不同的 imo 上。我所知道的这两种方法最有用的组合是 CNN 集成。
于 2015-07-22T08:46:40.277 回答