我已经实现了我自己版本的 Viola Jones 人脸识别算法，该算法使用 AdaBoost 作为构建分类委员会的元。我的目标是建立一个可以识别图像中是否有人脸的分类器。我正在努力寻找足够的训练数据集来尝试该算法。特别是我不知道在哪里可以找到一组负片图像(即不包含脸部的图像)。对于正数据集，我将尝试“Labeled Faces in the Wild”数据集 link .
什么是好的负数据集？
最佳答案
可能适用于您的问题的一些解决方案是:
环顾四周后，this资源似乎有一个非面孔数据集。
您可以考虑的另一个数据集是 Google“things”数据集，发现 here ，(description)。
您可能会考虑构建自己的数据集。如果您打算使用带有严重约束(裁剪)图像的 LFW 数据集，您可以获取一个包含人物和没有人的缩小照片的数据库，在其上运行标准人脸检测算法以确定人脸的位置，然后裁剪面部大小的部分，无论是在裁剪区域中有面部还是没有面部的情况。一些数据集，例如VGG face ，具有面部图像，并给出了它们的边界框。您可以考虑使用类似的东西。
您还可以使用您知道其中没有面孔的任何数据集，只要它描述了您的算法可能遇到的场景。例如，CIFAR 10 和 CIFAR 100 集有很棒的户外场景，包括一些动物脸部的特写，这可能对您的算法来说是很好的负面影响。可以找到here 。另一个是Image Net设置。
选择此数据集时应小心，因为如果不小心，很容易引入偏差。
关于python - AdaBoost 和维奥拉·琼斯 : What training set to use?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47952249/