AdaBoost和Viola Jones：使用什么样的训练？ [关闭]

Question

我已经实现了我自己的Viola Jones人脸识别算法版本，该算法使用AdaBoost作为构建分类委员会的元数据。我的目标是建立一个分类器，可以识别图像中是否有人脸。我正在努力寻找足够的训练数据来试验算法。特别是我不知道在哪里可以找到一组负像（即不包含脸部的图像）。对于正面数据集，我将尝试使用Wild数据集link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：

• 经过一些环顾四周，this资源似乎有一个非面数据集。
• 您可以考虑的另一个数据集是Google“thing”数据集，找到了here，（description）。
• 您可能会考虑的不同之处在于构建自己的数据集。如果您要使用具有严格约束（裁剪）图像的LFW数据集，您可以拍摄缩小照片的数据库，无论是否有人，在其上运行标准面部检测算法以确定面部的位置，然后裁剪在有裁脸区域和裁剪区域没有面部的情况下，面部大小的部分。某些数据集（例如VGG face）具有面部图像，并给出了它们的边界框。你可以考虑使用这样的东西。
• 你也可以使用你知道没有面孔的任何数据集，只要它描绘你的算法可能遇到的场景。例如，CIFAR 10和CIFAR 100套装有很好的户外场景，包括动物脸部的一些特写镜头，这可能是你的算法的好消极。你可以找到它here。另一个是Image Net集。

选择此数据集时应小心，因为如果您不小心，可能会轻易引入偏差。