中提琴琼斯实验（训练集）答案

【问题标题】：Viola Jones Experiments (training sets)中提琴琼斯实验（训练集）
【发布时间】：2012-11-24 04:18:06
【问题描述】：

据说“4916 个正例训练样本是手工挑选的，对齐、归一化并缩放到 24x24 的基本分辨率。通过从 9500 张不包含人脸的图像中随机挑选子窗口来选择 10,000 个负例样本。”在论文“Robust Real-Time Face Detection by Paul Viola & Michael Jones”中

我的问题是，手工挑选对齐、标准化和缩放到 24x24 的基本分辨率是什么意思？

“手工挑选对齐”是否意味着他们拥有 4916 张不同面孔的 4916 张正面图像？ “标准化”是否意味着 4916 张图像中的每一张都具有相同的特征[文件大小、文件类型、图片颜色（灰度/彩色）]？ “缩放到 24x24 的基本分辨率”是否意味着 4916 个图像中的每一个都被重新调整为 24x24 像素？

感谢您的宝贵时间！

【问题讨论】：

我建议查看演示文稿cs.stevens.edu/~lxu1/CS559_data/FaceDetection_final.pdf - 它很好地描述了 Viola Jones 的培训过程以及如何使其变得更好。

标签： algorithm image-processing machine-learning face-detection adaboost

【解决方案1】：

“手工挑选对齐”是否意味着他们有 4916 的 4916 正面图像不同的面孔？

不一定是不同的 - 但是是的，他们提供了 4916 张不同的面孔照片。这些面孔是由“人类专家”手动发现的。

“归一化”是否意味着 4916 张图像中的每一张都具有相同的特征[文件大小、文件类型、图片颜色（灰度/彩色）]？

他们只使用了灰度像素，标准化意味着他们确保没有“黑色”和“白色”图片。如果图片很暗 - 它会自动变亮，如果不够暗 - 它会变暗。这可以通过自动组件轻松完成。

“缩放到 24x24 的基本分辨率”是否意味着 4916 图像大小调整为 24x24 像素？

是的，他们通过对图片进行一些处理来确保每个“脸”都是 24x24 像素。

【讨论】：

非常感谢阿米特！你帮了我很多。我还有几个问题。他们是如何对每个灰度像素进行归一化的？他们使用了什么自动组件？最后，他们使用什么样的培训来生成级联文件（xml文件）？我一直在关注很多 haartraining 教程，但还不能输出一个好的检测器（xml）。
@KojiIkehara：我不是那么喜欢。通常，对于新问题 - 最好将它们作为新线程（除非这些是对建议答案的澄清）
好的。谢谢你的建议。 :)
我将发布另一个主题。我希望你能回答我的其他问题。谢谢！
嗨，你能看看我的新标签吗，这是链接stackoverflow.com/questions/13835311/…。谢谢！