【发布时间】：2012-11-14 06:06:02
【问题描述】：
假设我有一个 haar 级联 xml 文件。有没有办法将文件渲染成图像以创建“完美标本”？
那么如果 xml 用于人脸检测，它会显示获得最高分的人脸图像？
如果不可能，有没有办法对“主要成分”进行成像？
顺便说一句，我使用的是 Python 版本的 openCV。
【问题讨论】：
【发布时间】：2012-11-14 06:06:02
【问题描述】：
据我所知，这很困难。分类方案很复杂，我认为没有一种简单的方法可以“反转”它，得到“完美的样本”，甚至是主成分之类的东西。 （下面有更多关于主成分的内容。）让我试着快速解释一下分类是如何完成的，以便更清楚为什么这些事情很难；然后我会提到你可以尝试的其他一些方法。
级联如何工作（大约）
级联的想法是通过尽快拒绝尽可能多的非人脸来加快分类速度。 （这一点很重要，因为图像中大多数 的东西都不是人脸。）你可以通过级联的分类器来做到这一点。第一个分类器经过训练，可以拒绝 90% 的非人脸，但至少保留 99.99% 的人脸。这仍然是很差的性能——如果你只使用这个分类器，你会得到大量的误报。但是，您可以很快地执行此分类，因此您可以快速去除大量非人脸。
好的，那么这些分类器中有什么？好吧，每个分类器都是一组增强的弱分类器。这意味着，对于您传递给分类器的每张图像，它都会将其传递给 N 个非常简单的分类器，每个简单分类器都会投票“真”或“假”。每个简单（弱）分类器都经过加权，因此加权投票给出了强分类器的答案。
好的——那么什么是弱分类器？我认为在 OpenCV 中，弱分类器是高度为 2 的决策树（参见 OpenCV docs，起始页 ~368）。所以每个弱分类器将输入图像与一个简单的模式进行比较；如果图像与图案足够相似，则将其传递给另一个图案进行比较；如果它足够不同，它将被传递以与第三种模式进行比较。
为什么这会让事情变得困难，有些事情你可以尝试
因此，您可能会看到，实际上不可能制作出“完美样本”，因为决策过程中存在许多非线性因素——对于其中一个弱分类器而言，“完美样本”可能对大多数人来说都是一个糟糕的样本在其他人中，这意味着总体而言，它不会成为一张好脸蛋。映射重要组件的问题相同，但是您可以通过在第一（或最后）阶段选择最重要（即权重最高）的弱分类器，然后绘制这些过滤器使用的过滤器来到达某个地方阶段。
您可以尝试的另一种方法是我在一个艺术项目中看到的，但遗憾的是找不到链接。一位艺术家生成了形状的随机组合，并观察了它们触发面部检测器的效果。他会随机添加更多形状，并保留在触发面部检测方面做得更好的形状配置。通过这种爬山策略，他能够生成算法看起来像人脸的图像。这种方法的一个更细微的版本——在刺激空间中搜索被归类为面孔的事物——可以说有助于找到“完美的样本”。
希望这会有所帮助……祝你好运！
【讨论】：