我来这里是因为我需要一些建议......
我正在研究人脸检测。我已经尝试过一些方法，例如 de DLIB Detector、HoG 等等......
目前，我开始使用基于 ResNet .caffe 模型的 OpenCV DNN 检测，但经过多次尝试，我意识到该模型对于超过 300x300（HxW）的图像不太好。
请注意，我的图像尺寸为 1520x2592（高x宽）。当我应用调整大小时，几乎所有面部信息都会丢失，因为原始图像中的面部大约为 150x150 像素，当使用 DNN 调整大小进行检测时，它们的大小约为 30x20（大约）。
我已经尝试过的一些方法： - 子图中的分割图 - 背景扣除
我需要达到的目标： - 快速检测 - 减少丢失面孔的数量（未检测到）
挑战： - 大图像，其中有小脸 - 图像中的很多区域没有被使用（但我无法改变相机的位置）
基于 SSD 的网络是完全卷积的，这意味着您可以改变输入大小。尝试传递不同大小的输入，并选择一个能够提供令人满意的性能和准确性的输入。这里有一个例子：http://answers.opencv.org/question/202995/dnn-module-face-detection-poor-results-open-cv-343/
input = blobFromImage(img, 1.0, Size(1296, 760)); // x0.5
input = blobFromImage(img, 1.0, Size(648, 380)); // x0.25