algorithm - Viola Jones 实验(训练集)

Question

据说“4916 个正面训练示例经过手工挑选对齐、归一化并缩放到 24x24 的基本分辨率。通过从 9500 张不包含人脸的图像中随机挑选子窗口来选择 10,000 个负面示例。”在论文“Paul Viola & Michael Jones 的 Robust Real-Time Face Detection”中

我的问题是，手工挑选对齐、标准化和缩放到 24x24 基本分辨率是什么意思？

“hand picked aligned”是否意味着他们有 4916 张不同面孔的 4916 张正面图像？“规范化”是否意味着4916张图像中的每一张都具有相同的特征[文件大小、文件类型、图片颜色(灰度/彩色)]？“缩放到 24x24 的基本分辨率”是否意味着将 4916 张图像中的每一张都重新调整为 24x24 像素？

感谢您的宝贵时间!

Answer 1

Does "hand picked aligned" mean they have 4916 positive images of 4916 different faces?

不一定截然不同 - 但是，是的，他们提供了 4916 张不同的面孔照片。这些面孔是由“人类专家”手动找到的。

Does "normalized" mean each of the 4916 images have the same features[file size, file type, picture color(gray scale/colored)]?

他们只使用灰度像素，归一化意味着他们确保没有“黑”和“白”的图片。如果图片很暗 - 它会自动变亮，如果不够暗 - 它会变暗。这是由一个自动组件轻松完成的。

Does "scaled to a base resolution of 24x24" mean each of the 4916 images are re-sized to 24x24 pixels?

是的，他们通过对图片进行一些处理来确保每张“脸”都是 24x24 像素。