假设我有一个haar cascade xml文件。有没有办法将文件渲染成图像以创建“完美样本”？
因此，如果xml用于人脸检测，它会显示会获得最高分的脸部图像吗？
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openCV的Python版本。
答案 0 :(得分：6)
据我所知，这很难。分类方案很复杂，我认为没有一种简单的方法可以“反转”它，获得“完美的标本”，甚至是主要组成部分。 （更多关于下面的主要组成部分。）让我试着快速解释分类是如何完成的，这样就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。
级联的想法是通过尽可能快地拒绝尽可能多的非面孔来使分类更快。 （这很重要，因为图像中的大多数事物都是非面部的。）你可以通过一系列分类器来实现这一点。第一个分类器经过训练，因此它拒绝了90％的非面部事物，但保留了至少99.99％的面部。这仍然是糟糕的表现 - 如果你只是使用这个分类器，你会得到大量的误报。但是，您可以非常快速地执行此分类，因此您可以快速摆脱大量非面孔。
好的，那么这些分类器中的一个是什么？那么，每个分类器都是一组增强的弱分类器。这意味着，对于传递给分类器的每个图像，它将其传递给每个 N 非常简单的分类器，并且每个简单分类器都投票“true”或“false”。每个简单（弱）分类器都是加权的，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）。因此，每个弱分类器将输入图像与简单模式进行比较;如果图像与图案足够相似，则将图像与另一图案进行比较;如果它完全不同，它将被传递以与第三种模式进行比较。
正如你可能看到的那样，由于决策过程中存在许多非线性因素，所以不可能制作出“完美的标本” - 对于其中一个弱分类器而言，“完美标本”对于大多数人来说可能是一个可怕的标本。其他人，这意味着它总体上不会成为一个好脸色。映射重要组件的问题相同，但您可以通过在第一个（或最后一个）阶段选择最重要（即最高权重）弱分类器，然后绘制那些使用的过滤器来获得某个位置阶段。
你可以尝试的另一种方法是我在艺术项目中看到的方法，但遗憾的是找不到链接。艺术家生成随机的形状组合，并看到它们触发面部检测器的程度。他将随机添加更多形状，并保持形状配置，以更好地触发面部检测。通过这种爬坡策略，他能够生成看起来像算法的面部图像。这种方法的一个更细微的版本 - 搜索被分类为面部的东西的刺激空间 - 可能有助于找到一个“完美的标本”，可以这么说。
希望这有助于......祝你好运！