训练人脸检测器/分类器的合适方法是什么？

如何解决训练人脸检测器/分类器的合适方法是什么？

我想构建一个人脸检测器/分类器来生成一个网络来检测图像/视频中是否存在人脸。

我理解基本概念，但我遇到的问题是类数的选择。 最初，我认为两个班级（有脸/没有脸）就足够了。但是，我不确定应该在“无脸”课程中使用哪些数据。所以我把设备和植物和动物的数据集放在一起，因此类很不平衡，这显然不好。 然后我想尽可能多地使用类会更好。

但同样，我不确定解决问题的最佳/常用方法是什么？

解决方法

您可以针对负类尝试使用任意数量的样本和不同的图像。如果您拥有的设备/工厂/场所的数据集不平衡，您可以尝试子采样，例如从每张图片中挑选 100 张图片。

只是不要让负类太大，因为您拥有人类样本的图像数量。剩下的就靠实验了。