Image processing Haar级联法与卷积神经网络？
我想知道，在haar cascade方法中，掩模大小是否恒定，并且为了考虑图像中不同大小的人脸，是否对原始图像进行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，比如说20*20 除此之外，我想知道哈尔卡斯卡德或CNN的人脸检测速度是否更快。 如果是这样的话，我可以使用haar cascade首先检测人脸的位置，然后进一步使用CNN来识别人脸Image processing Haar级联法与卷积神经网络？,image-processing,computer-vision,neural-network,haar-classifier,conv-neural-network,Image Processing,Computer Vision,Neural Network,Haar Classifier,Conv Neural Network,我想知道，在haar cascade方法中，掩模大小是否恒定，并且为了考虑图像中不同大小的人脸，是否对原始图像进行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，比如说20*20 除此之外，我想知道哈尔卡斯卡德或CNN的人脸检测速度是否更快。 如果是这样的话，我可以使用haar cascade首先检测人脸的位置，然后进一步使用CNN来识别人脸 Ps:-脸只是一个物体，它可以是任何其他物体，如汽车、树……如果你还没有，请阅读原文。正如您将看到的，没有给出关于调整haar特性大
Ps:-脸只是一个物体，它可以是任何其他物体，如汽车、树……如果你还没有，请阅读原文。正如您将看到的，没有给出关于调整haar特性大小/形状的具体策略。但这是有道理的，你应该出于你怀疑的原因去做。没有“一种方法”可以做到这一点，所以请继续尝试一些想法 由于框架没有指定弱分类器是什么，因此无法对训练速度做出任何适当的说明。我所能说的就是haar级联分类器需要很长时间，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w.r.t.CNN的问题，你的概念是有缺陷的 viola-jones框架相当“完整”。你应该先问问自己为什么CNN不能解决你的问题，然后改进你的方法，而不是跳到完全不同的地方。我知道这两种方法最有用的组合是CNN合奏