【问题标题】：Haar cascade method vs convolution neural network?Haar级联方法与卷积神经网络？
【发布时间】：2015-10-11 19:02:45
【问题描述】：
我想知道在 haar 级联方法中，如果原始图像被缩小和放大以找出重叠，掩码大小是否是恒定的，并考虑到图像中不同大小的人脸。
我看到在卷积神经网络中，权重矩阵的大小恒定为 20*20
除此之外，我想知道 haar cascade 或 CNN 在人脸检测方面是否更快。
如果是这种情况，我可以使用 haar 级联首先检测人脸的位置，然后进一步使用 CNN 来识别人脸。
Ps :-face 只是一个对象，它可以是任何其他东西，比如汽车、树.....
【问题讨论】：
标签：
image-processing
computer-vision
neural-network
haar-classifier
conv-neural-network
【解决方案1】：
如果您还没有，请阅读原文Viola/Jones paper。正如您将看到的，没有给出关于调整/重塑 haar 特征的具体策略。但这是有道理的，您应该出于您怀疑的原因这样做。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，你不能对训练速度做出任何适当的陈述。我只能说 haar-cascade-classifier 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。如果这是一个问题w.r.t。 CNN，你的概念有缺陷。
viola jones 框架相当“完整”。您应该首先问自己为什么 CNN 不能解决您的问题，然后改进您的方法，而不是跳到完全不同的 imo 上。我知道这两种方法最有用的组合是 CNN 集成。