python-3.x - 对超过 300x300 的图像使用 OpenCV DNN 检测

Question

我在这里是因为我需要一些建议...

我正在使用人脸检测。我已经尝试过一些方法，例如 de DLIB Detector、HoG 等……

目前，我开始使用基于 ResNet .caffe 模型的 OpenCV DNN 检测，但经过多次尝试后，我意识到这个模型对于超过 300x300(HxW)的图像不是很好。

请注意，我的图像是 1520x2592 (HxW)。当我应用调整大小时，几乎所有人脸信息都丢失了，因为原始图像中的人脸大约为 150x150 像素，当使用 DNN 调整大小以进行检测时，它们的大小约为 30x20(大约)。

我已经尝试过的一些方法:
- 在子图中拆分图
- 背景减法

我需要达到的目标:
- 快速检测
- 减少丢失面孔的数量(未检测到)

挑战:
- 里面有小脸的大图
- 图像中有很多区域未被使用(但我无法更改相机的位置)

Answer 1

基于 SSD 的网络是完全卷积的，这意味着您可以改变输入大小。尝试传递不同大小的输入，并选择一个能提供令人满意的性能和准确性的输入。这里有一个例子:http://answers.opencv.org/question/202995/dnn-module-face-detection-poor-results-open-cv-343/

input = blobFromImage(img, 1.0, Size(1296, 760));  // x0.5

或者

input = blobFromImage(img, 1.0, Size(648, 380));  // x0.25