【发布时间】：2021-05-26 18:28:22
【问题描述】：
我想构建一个人脸检测器/分类器来生成一个网络，用于检测图像/视频中是否存在人脸。
我了解基本概念，但我遇到的问题是课程数量的选择。 最初，我认为两个课程（有脸/没有脸）就足够了。但是，我不确定应该为“无脸”课程使用哪些数据。所以我把设备和动植物的数据集放在一起，结果类很不平衡，这显然不是很好。 然后我认为最好使用尽可能多的类。
但同样，我不确定解决问题的最佳/常用方法是什么？
【问题讨论】：
-
我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅介绍和 注意 在
machine-learningtag info. -
此问题的站点错误。此外，负面案例应包含人脸不可见的照片，例如隐藏、裁剪、后脑勺和阳性病例也应包含动物面孔的图片。您还应该包括旋转的图像。尝试在数据科学堆栈交换站点中询问。此外，您可以将同一张照片的不同区域用于不同的标签。
-
同意这是一个错误的站点，我只留下一个提示：考虑您的应用程序。不要只是“训练模型”。正确的方法在很大程度上取决于以后如何使用该系统。如果它实际上不会在任何地方使用 - 很好，利用这个机会尝试不同的选项并看看它们的表现，你会学到很多东西。
标签： machine-learning neural-network computer-vision classification