刚刚学习adaboost人脸检测,问一些细节问题,求明白的人给我解答,

来源：学生作业帮编辑：作业帮分类：综合作业时间：2024/07/20 02:31:43

刚刚学习adaboost人脸检测,问一些细节问题,求明白的人给我解答,
采用adaboost算法进行人脸检测时,首先用人脸和非人脸样本训练矩形特征,矩形特征的形状已经固定,但大小是变化的.训练样本的大小也是固定的.但这样训练出的最优的一些矩形特征是不是大小也固定了呢?如果大小固定了,由怎么能肯定此特征在其它尺度的测试样本中也是最优的呢?

你说的矩形特征应该就是haar特征吧,我做过行人检测但是没用过矩形特征你的形状固定是不是指黑条和白条的位置定了?大小在变化如果是级联训练大小应该是多种的而且形状也不应该是固定的级联选择的特征那是在很多特征里利用检测率虚警率选择出来的而且一般是多个多种大小形状的所以能在其他尺度上进行检测
再问：如果我定义了5种haar特征，那么不就是利用这5种特征模板对训练样本进行检测获得特征值吗？每一种特征模板由于大小和摆放位置的不同可以对训练样本训练出多个人脸特征。由于这些特征是从固定大小的训练样本中获得的，所以我最终筛选的特征模板应该是固定的吧？包括大小和摆放位置。但是特征模板会有多个，是这样的吗？
再答：选择出的特征模板与很多因素相关训练样本数级联层数你定义的级联参数都相关如果你的参数定了那么最终的特征模板确实是定的但是它应该是多种大小和位置的组合所以有多个
再问：对啊，可是这是对固定大小的训练样本下得到的分类器，在做检测时，我是不知道检测图像人脸大小的，那么我们所获得的分类器在其他大小中怎么保证是最优的呢？
再答：这就是级联训练的作用你的训练样本里人脸是多种多样的级联选出来的特征模板会包含多种情况，是最优的只要你的训练样本和测试样本一致是可以保证最优的如果测试样本与检测样本大小不一样那么你就把测试样本缩放到与训练样本大小一致一样可以保证最优
再问：测试时候可以保证将样本缩放到与训练样本一样的大小，但在实际检测时人脸是混在背景图像中的，所以不能事先确定人脸样本的大小，那么怎么保证训练获得的分类器是最优的呢？
再答：我可以不确定呀我只要检测窗口与训练样本大小一致提取的特征和你得到的特征模板一致你就可以检测呀检测得到为1的窗口你画出来就可以看出是人脸呀不可能你的标注人脸的框一点背景都没有吧训练样本的大小（也就是你说的人脸大小）前人都做过实验的级联训练和得到的特征模板是不是最优我们还是不要去怀疑搞一个基准比如16*16的窗口我级联训练得到的分类器对于16*16的是最优的，那么实际检测的时候我多尺度遍历呀总可以把你的人脸囊括进来然后你缩放你截取的图像到16*16 人脸也变小了那么不就和谐了就不存在人脸的大小的问题还有问题QQ联系吧 774230732 这上面说很痛苦

刚刚学习adaboost人脸检测,问一些细节问题,求明白的人给我解答, 基于adaboost算法的人脸检测.边缘特征提取的细节问题. 问一道数学题用两种方法解答给我讲明白美国1787年宪法的一些细节,真正明白的人进! 求注一道 C 语言题目我想问一些细节求大神解答哲学客观规律问题经过一些时间的思索 ,我还是有些问题不大明白希望各位专家给一些解答?1 客观规律（本身）无法改变,改变了求关于一些事、一些人、一些场面、或是一些细节、感动的800字作文. 关于UNTIL的一些疑问,请明白的人近来给我讲讲我在法语课文句子里的一些细节问题不太明白!求解答第十二题的第二问老师给我们出了一些思品书上的问题问题,请帮我解答. 问一些英语学习中遇到的小问题