我想知道在haar级联方法中，如果原始图像缩小并放大以找出重叠，那么掩模大小是否恒定并考虑图像中不同大小的面部。
我在卷积神经网络中看到，权重矩阵的大小在20 * 20
处是恒定的除此之外，我想知道haar级联或CNN是否更快进行人脸检测。 如果是这种情况，我可以使用haar级联来首先检测脸部的位置，然后进一步使用CNN来识别脸部。
Ps：-face只是一个物体，它可能是汽车，树等任何其他东西......
答案 0 :(得分：4)
如果还没有，请阅读原始Viola/Jones paper。正如您所看到的，没有针对调整haar功能的大小/重塑特定策略。但它是有道理的，你应该出于你怀疑的原因这样做。没有一种方式＆＃34;要做到这一点，继续尝试一些想法。
由于框架没有指定弱分类器的内容，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么重要，训练速度总是很慢。如果这是一个问题w.r.t. CNN，你的概念是有缺陷的。
中提琴琼斯框架相当完整＆＃34;。你应该首先问问自己为什么CNN无法解决你的问题，然后改进你的方法，而不是跳到完全不同的东西。我知道的两种方法最有用的组合是CNN合奏。
答案 1 :(得分：0)
我认为面部检测通常非常简单，在我的情况下，我能够使用我的笔记本电脑在200毫秒内检测到脸部+眼睛，在树莓派2上花了500毫秒所以你可以使用中提琴方法这么快
对于面部识别，我没有任何想法; p