训练人脸检测器/分类器的合适方法是什么？
What is the appropriate way to train a face detector / classifier?
我想构建一张人脸 detector/classifier 以生成一个网络来检测人脸是否存在于 image/video。
我理解基本概念，但我遇到的问题是 classes 数量的选择。
最初，我认为两个classes（有脸/无脸）就足够了。但是，我不确定应该为 class 'without face' 使用哪些数据。所以我把设备和动植物的数据集拼凑起来，于是 classes 很不平衡，这显然是不好的。
然后我想尽可能多地使用class会更好。
但是，我不确定 best/common 解决问题的方法是什么？
您可以尝试使用任意数量的样本和不同的图像作为底片 class。如果您拥有 equipment/plant/places 的数据集不平衡，您可以尝试子采样，例如从每张图片中挑选 100 张。
只是不要让负面 class 太大，w.r.t 你拥有的带有人类样本的图像数量。剩下的就靠实验了。
我想构建一张人脸 detector/classifier 以生成一个网络来检测人脸是否存在于 image/video。
我理解基本概念，但我遇到的问题是 classes 数量的选择。 最初，我认为两个classes（有脸/无脸）就足够了。但是，我不确定应该为 class 'without face' 使用哪些数据。所以我把设备和动植物的数据集拼凑起来，于是 classes 很不平衡，这显然是不好的。 然后我想尽可能多地使用class会更好。
但是，我不确定 best/common 解决问题的方法是什么？
您可以尝试使用任意数量的样本和不同的图像作为底片 class。如果您拥有 equipment/plant/places 的数据集不平衡，您可以尝试子采样，例如从每张图片中挑选 100 张。
只是不要让负面 class 太大，w.r.t 你拥有的带有人类样本的图像数量。剩下的就靠实验了。