python - AdaBoost 和 Viola Jones：使用什么训练集？

Question

我已经实现了我自己的 Viola Jones 人脸识别算法版本，它使用 AdaBoost 作为构建分类委员会的元数据。我的目标是建立一个可以识别图像中是否有人脸的分类器。我正在努力寻找足够的训练数据集来尝试该算法。特别是我不知道在哪里可以找到一组负面图像（即不包含面部的图像）。对于正数据集，我将尝试 Wild dataset链接中的 Labeled Faces 。

什么是好的负面数据集？

Answer 1

一些可能适用于您的问题的解决方案是：

• 环顾一番后，这个资源似乎有一个非人脸数据集。

• 您可以考虑的另一个数据集是 Google“事物”数据集，可在此处找到（描述）。

• 您可能会考虑构建自己的数据集。如果您要使用 LFW 数据集和严重受限（裁剪）的图像，您可以获取一个缩小照片的数据库，无论有没有人，在其上运行标准人脸检测算法以确定人脸的位置，然后裁剪出人脸大小的部分，无论是在裁剪区域中有人脸还是没有人脸的情况下。一些数据集，例如VGG face，具有人脸图像，并给出了它们的边界框。您可以考虑使用类似的东西。

• 您还可以使用任何您知道其中没有面孔的数据集，只要它描述了您的算法可能遇到的场景。例如，CIFAR 10 和 CIFAR 100 集有很棒的户外场景，包括一些动物面孔的特写，这可能对您的算法不利。你可以在这里找到它。另一个是图像网络集。

选择此数据集时应小心，因为如果您不小心，它很容易引入偏差。