Каскадный метод Хаара против нейронной сети свертки?

Question

Мне было интересно, если в каскадном методе карандашом размер маски постоянный и учитывается разные размеры лиц в изображении, если исходное изображение уменьшено и увеличено, чтобы найти перекрытия.

я увидел, что в свертках нейронных сетей размер матрицы весов постоянна и равна скажем, 20 * 20

Помимо этого, я хотел бы знать, если Хаара каскад или CNN быстрее для обнаружения лица. Если это так, я мог бы использовать каскад хара, чтобы сначала определить положение лица, а затем использовать CNN для распознавания лица.

Ps: -грань это просто объект, это может быть любая другая вещь, как автомобиль, дерево .....

Answer 1

Если вы еще не, прочитать оригинал Viola/Jones paper. Как вы увидите, нет конкретной стратегии, касающейся изменения размера/изменения характеристик хара. Но это имеет смысл, и вы должны сделать это по причинам, которые вы подозреваете. Существует не «один способ» сделать это, так что попробуйте некоторые идеи.

Поскольку фреймворк не указывает, что такое слабый классификатор, вы не можете делать какие-либо правильные заявления о скорости обучения. Все, что я могу сказать, состоит в том, что хара-каскадный классификатор занимает много времени из-за того, что он имеет 3 слоя разных алгоритмов. Но я не понимаю, почему это важно, скорость обучения всегда медленная. Если это проблема w.r.t. CNN, ваша концепция ошибочна.

Рамка альта jones довольно «полная». Вы должны сначала спросить себя, почему CNN не может решить вашу проблему, а затем уточнить свой подход, вместо того, чтобы прыгать на что-то совершенно другое imo. Самая полезная комбинация обоих методов, которые я знаю, это ансамбли CNN.

Answer 2

Я считаю, что распознавание лица в целом довольно простое, и в моем случае я смог обнаружить лицо + глаза в 200 мс, используя мой ноутбук, на малине pi 2 потребовалось 500 мс, чтобы вы могли использовать метод альтов-джонс, это так быстро .

Для распознавания лиц у меня нет никакой идеи; p