我想构建一个人脸检测器/分类器,以生成一个检测图像/视频中是否存在人脸的网络。
我理解基本概念,但我有问题的是班级数量的选择。最初,我认为两个类(有face /没有face)就足够了。然而,我不确定我应该为“无脸”类使用哪些数据。所以我把设备、植物和动物的数据集放在一起,因此这些类别非常不平衡,这显然不是很好。然后我认为使用尽可能多的类会更好。
但同样,我不确定解决这个问题的最佳/通用方法是什么?
发布于 2021-02-24 20:25:10
您可以尝试使用任意数量的样本和负类的不同图像。如果您拥有的设备/工厂/场所的数据集不平衡,您可以尝试进行二次采样,例如从每个图像中选取100个图像。
只是不要把负类做得太大,不要把你拥有的人类样本的图像数量弄得太大。剩下的就靠实验了。
https://stackoverflow.com/questions/66350842
复制相似问题