我正在尝试使用在theano中编写的神经网络构建人脸检测系统。关于我必须计算交叉熵的预期输出，我有点困惑。我不想知道脸是否存在，我需要突出图像中的脸部（找到脸部的位置）。图像的大小是不变的。但是图像中面部的大小不是。我该怎么做？此外，我的网络摄像头目前捕获480x640图像。在输入层中创建那么多的神经元会对系统造成很大影响，如何在不丢失任何特征的情况下压缩图像？
答案 0 :(得分：3)
有许多可能的解决方案，其中一个最简单的方法是执行滑动窗口搜索并询问网络＆＃34;图像的这一部分是否有面孔？＆＃34; - 这是相当＆＃34;标准＆＃34;做法。特别是，你按层次结构进行 - 将图像分成9个重叠的正方形（我假设图像是正方形）并在每个正方形中询问＆＃34;其中是否有面孔？＆＃34;通过将其重新调整为您的网络输入。接下来你再次分开一个回答＆＃34;是＆＃34;进入9个方格并重复。这样你就可以快速找到面子。另一种方法是执行监督分割，您可以尝试预测图像的哪一部分（像素/超像素）属于面部，哪些部分不属于面部。这不是详尽的清单，但应该让您了解如何继续。
如何在不丢失任何功能的情况下压缩图像？
你没有。这不可能。缩小时会丢失一些数据（无损压缩存在，但会破坏结构，从而使分类极其困难）。
答案 1 :(得分：-1)
您应首先根据通过网络摄像头收到的图像创建训练集。训练集必须包含面部和非面部图像（例如苹果，汽车和......）。为了更好地概括，您可以使用一些现成的数据集。在图像上训练网络后，您可以使用网络对看不见的图像进行分类。
如果您的目标是仅检测图像是否包含面部，则此方法适用。但是，如果您想识别面孔（例如，这张脸属于约翰而不是其他人），您需要使用您要识别的人的图像来训练网络。此类网络中的类数相当于不同人数。