我想知道如果在haar级联方法中，如果原始图像缩小并放大以找出重叠，则掩码大小是恒定的并且说明图像中不同大小的人脸。Haar级联方法vs卷积神经网络？
我看到，在卷积神经网络的权重矩阵的大小恒定在说20 * 20
除了这个，我想知道，如果哈尔级联或CNN是人脸检测速度更快。 如果是这种情况，我可以使用haar级联来首先检测脸部位置，然后再使用CNN识别脸部。
PS： - 面是一个简单的对象，它可以像汽车，树木任何其他东西.....
如果你还没有，看过原著Viola/Jones paper。正如你所看到的，没有具体的策略来调整/重塑haar特性。但它是有道理的，你应该这样做，因为你怀疑的原因。这样做没有“一种方法”，所以请继续尝试一些想法。
由于框架并未指定弱分类器，因此无法就训练速度做出任何正确的陈述。我只能说因为它有3层不同的算法，haar级联分类器需要很长时间。但我不明白为什么这很重要，训练速度总是很慢。如果这是一个问题w.r.t. CNN，你的概念是有缺陷的。
中提琴琼斯框架是相当“完整”。你应该首先问自己，为什么CNN无法解决你的问题，然后改进你的方法，而不是跳转到完全不同的IMO。我知道的两种方法最有用的组合是CNN合奏。
我认为人脸检测通常很容易，在我的情况下，我能够在200毫秒内使用我的笔记本电脑检测脸部+眼睛，在树莓派2上花费500毫秒，因此您可以使用中提琴琼斯方法快速。
对于人脸识别我没有任何想法; p